Agonizan los prompts, nacen las skills

 Del pedido aislado al procedimiento pedagógico reutilizable

Durante los últimos años aprendimos a hablar con la inteligencia artificial mediante prompts. Descubrimos que una instrucción vaga generaba respuestas igualmente vagas. Entonces comenzamos a precisar el contexto, asignar roles, describir tareas, señalar formatos y establecer criterios. El prompt se convirtió en la puerta de entrada a la inteligencia artificial generativa y, durante un tiempo, pareció ser también su forma definitiva de uso.

Alrededor de esta práctica surgió una verdadera cultura del prompt. Aparecieron cursos, fórmulas, repositorios y colecciones con miles de instrucciones listas para copiar. Se habló de ingeniería de prompts y se extendió la idea de que el usuario más competente era quien sabía escribir el pedido perfecto. En la educación ocurrió algo semejante, docentes y estudiantes aprendimos a solicitar planes de clases, rúbricas, cuestionarios, resúmenes, presentaciones, imágenes y proyectos, usando prompts largos y sofisticados.

El avance fue real, pero también mostró sus límites. Cada nueva tarea obligaba a reconstruir el contexto. El usuario debía recordar qué preguntar, en qué orden hacerlo, qué información entregar y cómo revisar la respuesta. Un prompt podía funcionar bien un día y perder parte de su eficacia al cambiar el tema, el grupo de tareas o la herramienta. También podía quedar abandonado en un archivo, en una conversación antigua o en una lista que nadie volvía a consultar.

Ese es el punto donde comienza el cambio que hoy observamos. No estamos pasando de los prompts a un mundo sin prompts. Estamos pasando del prompt aislado a las skills. El prompt no desaparece, deja de actuar solo. Se integra dentro de una estructura que conserva instrucciones, recursos, criterios, secuencias y formas de comprobación. Sugiero leer este post de Ramón Besonías que explica lo que ha comentado Google y OpenAi sobre sus futuros cambios favoreciendo las skills

Del prompt aislado a la skill

Un prompt aislado solicita una actuación; una skill conserva una forma de actuar. Esta diferencia parece breve, pero transforma la relación con la inteligencia artificial. El prompt suele responder a una necesidad puntual. La skill se prepara para resolver una familia de tareas semejantes sin reconstruir todo el procedimiento cada vez.

La documentación de OpenAI presenta las skills como una vía para guardar flujos de trabajo que Codex puede mantener disponibles y aplicar de nuevo. Una skill puede reunir instrucciones estables, archivos de referencia, plantillas, recursos y programas auxiliares. También puede indicar cuándo debe activarse, qué información debe solicitar y cuáles son los límites de su actuación.

El cambio puede entenderse mediante una comparación cotidiana. Un prompt se parece a una indicación que damos a una persona para resolver una tarea. Una skill se parece a un procedimiento de trabajo que esa persona puede consultar, aplicar y revisar. La primera instrucción puede ser acertada, pero depende del momento y de quien la formule. El procedimiento conserva la experiencia acumulada y reduce la necesidad de comenzar desde cero.

Por esta razón, la agonía anunciada en el título no corresponde literalmente a la muerte del prompt. Lo que agoniza es su aislamiento; pierde fuerza la práctica de buscar una instrucción milagrosa, copiarla, cambiar dos palabras y esperar un resultado confiable. Nace una lógica diferente: organizar el conocimiento necesario para que la inteligencia artificial desarrolle un proceso con cierta consistencia.

Esta transición modifica la pregunta inicial, antes nos preguntábamos qué prompt debíamos escribir. Ahora debemos preguntarnos qué procedimiento deseamos conservar, qué decisiones contiene, qué información necesita, qué errores debe evitar y cómo comprobaremos la calidad del resultado. El centro se desplaza desde la redacción de una orden hacia el diseño de una actuación completa.

La diferencia también aparece en la continuidad. Si pedimos mediante un prompt que se elabore una rúbrica, la inteligencia artificial puede producir una tabla aparentemente correcta. Sin embargo, no siempre preguntará por el tipo de aprendizaje, las condiciones de ejecución, las evidencias, la experiencia del estudiante o la relación entre proceso y producto. Una skill orientada a la evaluación puede conservar esas preguntas y formularlas al profesor en el momento adecuado. Puede detenerse cuando falta información y devolver la decisión al docente cuando el asunto no debe resolverse de manera automática.

En este sentido, la skill no es un prompt más largo. Tampoco es una colección de prompts colocados uno detrás de otro. Su rasgo distintivo consiste en articular entradas, operaciones, decisiones y resultados. Si está bien construida, sabe qué debe recibir, qué pasos debe ejecutar, qué debe producir y qué señales permiten revisar su trabajo.

Los estudios técnicos empiezan a mostrar el alcance de esta diferencia. SkillsBench evaluó 7.308 trayectorias de agentes en tareas de once campos. Las skills revisadas por especialistas elevaron 16,2 puntos porcentuales la tasa media de éxito. No todas funcionaron bien. En dieciséis tareas produjeron resultados inferiores y las skills creadas por los propios modelos no ofrecieron beneficios medios. Estos datos no demuestran que el aprendizaje fue reducido; muestran que la calidad del procedimiento influye en la actuación del agente. (Li et al., 2026)

La advertencia es clara: una skill no adquiere valor por el simple hecho de existir. Puede conservar instrucciones innecesarias, errores, sesgos o criterios desactualizados. Otro estudio examinó 238 skills y encontró problemas de autoría o estructura en más del 99 por ciento de los archivos analizados, lo que demuestra que un procedimiento reutilizable también puede reutilizar sus defectos. (Hong et al., 2026a)

Cuando el conocimiento docente se vuelve reutilizable

En la educación, el paso del prompt aislado a la skill abre una posibilidad de mayor alcance. Una parte del conocimiento docente puede convertirse en un procedimiento reutilizable. No se trata de guardar todas las decisiones del profesor dentro de una máquina. Se trata de conservar aquellas preguntas, criterios y secuencias que permiten orientar una actividad con coherencia.

Pensemos en el diseño de una evaluación para una actividad específica. Un prompt podría pedir: crea una evaluación para mi asignatura. La respuesta podría resultar atractiva, pero la inteligencia artificial tendría que completar por su cuenta muchos vacíos. Una skill educativa, en cambio, puede preguntar por el nivel, la asignatura, la cantidad de estudiantes, la modalidad, el lugar, el horario, los objetivos, el tiempo disponible y la experiencia previa. Puede relacionar la situación con las evidencias del proceso, el producto esperado, el uso transparente de la inteligencia artificial y los criterios de valoración. En otro artículo del blog compartiremos una skill para este tipo de tarea, la que fue probada con éxito en ChatGPT y Claude.

La diferencia no reside solamente en la cantidad de datos recogidos. La skill conserva una lógica diáctica. Sabe que una evaluación no comienza por la rúbrica, sino por la situación que el estudiante deberá afrontar, por el objetivo a evaluar. Comprende que el producto no basta para explicar el aprendizaje, necesita rastros del proceso, decisiones justificadas, versiones, revisión de fuentes y momentos de retroalimentación.

Esta idea conecta con la necesidad de hacer visible el aprendizaje cuando los estudiantes utilizan inteligencia artificial. El prompt aislado suele dirigir la atención hacia la respuesta final. La skill puede organizar el recorrido. Puede pedir al estudiante que explique qué solicitó, qué recibió, qué aceptó, qué rechazó y por qué transformó una propuesta. También puede exigir la revisión de las fuentes antes de emplear la información. De esta manera, el trabajo con IA deja de medirse solo por la apariencia del producto.

Las skills pueden contribuir a enfrentar la aitoxicación. Un prompt aislado facilita la producción inmediata de información, pero no siempre obliga a examinar su procedencia o pertinencia. Una skill de investigación puede incorporar pausas para localizar fuentes, contrastarlas, registrar decisiones y revisar afirmaciones. No garantiza el pensamiento crítico, pero puede crear condiciones para que este ocurra.

Desde el enfoque histórico cultural, la skill puede interpretarse como un instrumento mediador. Organiza la relación entre el sujeto, la tarea y el conocimiento. Su valor no se encuentra dentro del archivo, sino en la actividad que ayuda a realizar. Una skill que resuelve todo puede reducir la participación intelectual del estudiante. Una skill que pregunta, ofrece ayuda graduada y solicita explicaciones puede favorecer la apropiación del procedimiento.

Las investigaciones educativas directas sobre archivos SKILL.md todavía son escasas. Por esa razón, conviene observar tecnologías cercanas sin confundirlas con las skills. Un estudio con estudiantes de posgrado utilizó un GPT personalizado durante ocho semanas. Los participantes mostraron avances en metacognición y disposición para dirigir su aprendizaje, aunque la muestra fue pequeña. Lowry y sus colaboradores atribuyeron los resultados a las actividades estructuradas y adaptativas, no al uso genérico del modelo.(Lo et al., 2026)

Otra investigación, realizada por Kim M. (Kim, 2026), trabajó con estudiantes universitarios de coreano. El GPT personalizado ofrecía mediación graduada dentro de la zona de desarrollo próximo. Ajustaba el apoyo según las respuestas y utilizaba la evaluación dinámica para sostener la interacción. El estudio identificó avances en la producción lingüística y mostró que una configuración pedagógica puede cambiar la manera en que el estudiante se relaciona con el sistema. Este trabajo resulta cercano a la lógica que debería orientar una skill educativa.

También comienza a estudiarse la participación de los estudiantes en la creación de GPT personalizados. En una experiencia desarrollada en la Universidad de Monash, cinco estudiantes y cinco académicos crearon siete asistentes para distintas asignaturas. Los estudiantes informaron mayor agencia, sentido de autoría y capacidad para resolver problemas. La muestra impide generalizar, pero el estudio introduce una idea valiosa: el estudiante puede dejar de ser consumidor de una herramienta y convertirse en diseñador de la mediación. La experiencia de cocreación amplía el sentido educativo de estas tecnologías. (Hong et al., 2026b)

Este cambio también afecta al profesor. Durante la etapa del prompt aislado, el docente podía limitarse a buscar instrucciones creadas por otros. Con las skills debe explicitar su conocimiento, ordenar sus decisiones y someter su procedimiento a prueba. Crear una skill educativa obliga a responder preguntas incómodas: qué problema resuelve, qué evidencia produce, qué decisiones conserva el usuario, cuándo debe detenerse y qué riesgos introduce.

No toda tarea docente debe convertirse en una skill. Existen decisiones que dependen de la sensibilidad, la relación humana, el conocimiento del grupo y la interpretación del contexto. Tampoco conviene transformar una teoría pedagógica en una receta rígida. La reutilización resulta valiosa cuando conserva una orientación abierta a la revisión, no cuando congela la enseñanza.

Surge entonces una responsabilidad nueva. Las skills educativas deben revisarse como revisamos un programa de asignatura, una rúbrica o una estrategia didáctica. Necesitan pruebas con casos reales, límites claros, actualización de sus fuentes y vigilancia sobre los datos que utilizan. También requieren comprobar si ayudan a aprender, si ahorran tiempo, si motivan a estudiantes y profesores o solo aceleran la producción de documentos.

La educación no necesita skills que hagan más invisible el aprendizaje. Necesita estructuras que revelen el recorrido, conserven la decisión humana y permitan transferir lo aprendido a otras situaciones. Una buena skill no debe convertir al estudiante en operador de una secuencia automática. Debe ayudarlo a comprender la tarea, tomar decisiones y comprobar sus resultados.

Durante años nos concentramos en escribir pedidos más precisos. Ahora comenzamos a diseñar procedimientos más sólidos. El prompt fue una conversación puntual con la inteligencia artificial. La skill aspira a conservar una experiencia de trabajo. El primero solicita un resultado. La segunda organiza una ruta.

Agonizan los prompts aislados porque ya no basta con preguntar bien una sola vez. Nacen las skills porque necesitamos procesos que puedan repetirse, revisarse y compartirse. El prompt abrió la puerta. La skill organiza el recorrido. En la educación, ese recorrido solo tendrá sentido si mantiene al docente y al estudiante como autores de las decisiones que hacen posible el aprendizaje.

En el siguiente artículo explicaremos una skill para crear presentaciones de PowerPoint o Gamma, pero desde el concepto de la ruta crítica en el trabajo con los medios.

Referencias

Hong, D. B., Imani, A., & Ahmed, I. (2026). From anatomy to smells: An empirical study of SKILL.md in agent skills [Prepublicación]. arXiv. https://doi.org/10.48550/arXiv.2607.01456

Kim, M. (2026). Custom GPT as mediator: Dynamic assessment with beginner KFL learners. Language Learning & Technology, 30(1), 1–27. https://doi.org/10.64152/10125/73669

Li, X., Chen, W., Liu, Y., Zheng, S., Chen, X., He, Y., Li, Y., You, B., Shen, H., Sun, J., Wang, S., Zeng, Q., Wang, D., Zhao, X., Wang, Y., Ben Chaim, R., Di, Z., Gao, Y., He, J., … Lee, H. (2026). SkillsBench: Benchmarking how well agent skills work across diverse tasks [Prepublicación, versión 1]. arXiv. https://arxiv.org/abs/2602.12670v1

Lo, S., Lea, T., Mavromoustakos, A., Joseph, B., Yii, M., Exintaris, B., Karunaratne, N., Pearson, D. L., Ritchie, T., Yuriev, E., & Pyun, J. (2026). Co creating custom GPTs: An autoethnographic study of undergraduate students as partners in generative AI innovation. Frontiers in Education, 11, Article 1818781. https://doi.org/10.3389/feduc.2026.1818781

Lowry, B., McGrath, S., Eitel, C., Hall, H., & Clapp, T. R. (2026). Leveraging generative AI to foster metacognition and self directed learning. Journal of Microbiology and Biology Education, 27(1), Article e00153-25. https://doi.org/10.1128/jmbe.00153-25

 

Vale la pena pagar por ChatGPT (parte dos)

 

Una nueva actualización de ChatGPT para sus cuentas de pago me obligó a crear la segunda parte de esta publicación; la primera la puedes leer aquí.

La última actualización de OpenAI, la empresa propietaria de ChatGPT introdujo tres niveles llamados Sol, Terra y Luna. No son tres versiones ordenadas de manera simple, sino que cada una responde a una relación distinta entre profundidad, velocidad y recursos empleados.

Sol es el modelo principal de la familia GPT 5.6, orientado hacia problemas complejos que requieren análisis, planificación y razonamiento durante varios pasos. En educación puede utilizarse para examinar la coherencia de un diseño curricular, contrastar posiciones teóricas, analizar datos de una investigación, construir una rúbrica o revisar la relación entre objetivos, métodos y evaluación.

Terra busca un equilibrio entre capacidad y velocidad para el trabajo cotidiano. Puede resultar adecuado para organizar materiales de una asignatura, transformar contenidos en actividades, preparar borradores, clasificar información o desarrollar tareas que no requieren el nivel de razonamiento de Sol. Su valor no reside en competir con el modelo de mayor capacidad, sino en realizar con agilidad una amplia variedad de trabajos frecuentes.

Luna es el modelo más rápido de la familia. Su utilidad aparece en tareas donde la respuesta inmediata tiene más valor que un análisis prolongado. Puede emplearse para modificar formatos, producir varias versiones de una consigna, adaptar un texto a distintos niveles, generar ejemplos breves o realizar correcciones sucesivas durante la creación de un recurso.

Terra y Luna no se seleccionan en las conversaciones normales de ChatGPT; solo están disponibles según el plan dentro de ChatGPT Work y Codex.

La diversidad de modelos introduce una nueva competencia para profesores y estudiantes: elegir el modelo según la tarea. No toda actividad académica necesita Sol. Utilizar el modelo de mayor razonamiento para corregir una fecha, cambiar un título o resumir un párrafo sería innecesario. Del mismo modo, recurrir a Luna para examinar un problema científico complejo puede producir un resultado rápido, pero menos elaborado. La alfabetización en inteligencia artificial incluye aprender a formular preguntas y también seleccionar la capacidad que corresponde al propósito.

Esta lógica adquiere una dimensión mayor con ChatGPT Work como explicamos en el anterior trabajo. La herramienta puede investigar, trabajar con archivos, utilizar aplicaciones conectadas y producir documentos, presentaciones, hojas de cálculo, informes o sitios. El usuario puede observar el proceso, responder preguntas y modificar la dirección de la tarea. ChatGPT deja de limitarse a la conversación y comienza a trabajar dentro de una secuencia de producción.

ChatGPT Sites

Otra mejor que se introdujo es ChatGPT Sites representa una de las expresiones más visibles de este cambio. Permite crear sitios web interactivos y aplicaciones ligeras mediante una conversación. El usuario describe lo que necesita, incorpora archivos, datos, enlaces y condiciones, revisa una vista privada y solicita cambios hasta alcanzar el resultado esperado. También puede invocar esta función escribiendo @Sites dentro de su instrucción.

Para la educación, Sites abre un camino especialmente valioso. Un profesor puede crear una ruta de aprendizaje, un repositorio de recursos, una aplicación para formular proyectos de investigación, un tablero de seguimiento, una guía interactiva, un cuestionario o un portafolio. Un ejemplo lo vimos en el artículo: “El día que dejamos de pedirle textos a ChatGPT y empezamos a diseñar experiencias educativas”, que puedes leer aquí. No necesita comenzar escribiendo código ni contratar un alojamiento externo. El sitio puede publicarse mediante una dirección web y modificarse desde la misma conversación en la que fue creado.

El estudiante también puede pasar de consumidor de respuestas a creador de productos. En lugar de pedir un resumen y entregarlo como tarea, puede construir una exposición interactiva, un recurso para explicar un concepto, un sitio con los resultados de una investigación o un portafolio que muestre el proceso seguido. La evaluación se desplaza desde el texto final hacia las decisiones tomadas, la calidad de las fuentes, la organización del contenido, la utilidad del producto y la capacidad para justificar su diseño.

Sites también exige responsabilidad. Antes de publicar es necesario revisar textos, imágenes, enlaces, formularios, permisos y comportamiento interactivo. No deben incorporarse datos personales de estudiantes, documentos confidenciales ni materiales ajenos sin autorización. Un sitio generado por IA puede funcionar correctamente y contener errores conceptuales. La revisión pedagógica no desaparece por el hecho de que el producto tenga una apariencia profesional.

Estas novedades refuerzan la conveniencia de la versión de pago para el usuario intensivo. La diferencia ya no consiste solamente en enviar más mensajes. Se relaciona con disponer de Sol para el razonamiento complejo, elegir Terra o Luna dentro de Work, mantener proyectos prolongados y transformar una idea en un producto digital mediante Sites.

Pagar, sin embargo, no garantiza un uso de mayor calidad. Una persona puede suscribirse y continuar formulando preguntas superficiales, aceptar respuestas sin verificarlas o delegar decisiones que le corresponden. En ese caso, la versión de pago solo permite producir más contenido, no necesariamente mejor conocimiento.

En mi experiencia, el beneficio de la suscripción tampoco se mide por la cantidad de mensajes enviados. Se mide por las horas de trabajo que ayuda a reorganizar, por las ideas que permite contrastar y por la continuidad que mantiene entre diferentes proyectos. ChatGPT no reemplaza mi experiencia pedagógica ni mi responsabilidad intelectual. Funciona como un mediador con el que dialogo, cuestiono resultados, detecto errores y elaboro nuevas propuestas.

La decisión final puede resolverse mediante una pregunta: ¿ChatGPT ocupa un lugar ocasional o permanente dentro de mi trabajo? Si la respuesta es ocasional, la versión gratuita probablemente cubra las necesidades. Si la respuesta es permanente, como sucede en mi caso, la versión de pago deja de ser un lujo tecnológico y se convierte en una inversión de trabajo. Con Sol, Terra, Luna, Work y Sites, esa inversión adquiere una nueva dimensión. Su verdadero valor no está en tener más inteligencia artificial disponible, sino en seleccionar la herramienta adecuada, integrarla a un propósito pedagógico y conservar el criterio propio durante todo el proceso.

 

El día que dejamos de pedirle textos a ChatGPT y empezamos a diseñar experiencias educativas

 

En colaboración con Mercedes Leticia Sánchez Ambriz

Crear un sitio educativo con inteligencia artificial no consiste en escribir un prompt y aceptar el resultado. Esta es la experiencia que tuve al transformar una idea pedagógica en un recurso digital interactivo. Durante varios meses creamos sitios web con conocimientos que no tenía: programación, diseño de interfaces, adaptación para teléfonos móviles y desarrollo de actividades interactivas.

Imaginábamos un recurso educativo que necesitábamos para desarrollar un tema, que además fuera interactivo. Podíamos definir sus contenidos, actividades y objetivos. El problema aparecía cuando intentábamos convertir esa idea en algo que los estudiantes pudieran recorrer y utilizar. Podíamos llamar a un experto en informática o hacerlo por nuestra cuenta, que fue lo que siempre hicimos, pero: ChatGPT redujo esa distancia.

No hizo el trabajo pedagógico por nosotros, pero nos ayudó a materializarlo.

Queríamos algo más que una página con información

Nuestro propósito era trabajar la relación entre el currículum escolar y el currículum de vida. No queríamos crear una página que se limitara a presentar definiciones. Tampoco buscábamos trasladar a una pantalla el contenido de una presentación. Queríamos que los estudiantes pudieran comparar conceptos, analizar casos, reconocer situaciones de su entorno, resolver actividades y comprobar qué habían comprendido.

El resultado fue Currículum escuela ↔ vida, un sitio educativo universitario organizado como un recorrido de aprendizaje. Te propongo un viaje por este sitio

https://curriculum-escolar-vida.donceles67.chatgpt.site/

El recurso implica un recorrido estimado de 35 minutos, donde se incluyen 14 secciones, objetivos y competencias, una comparación conceptual, una revisión histórica, cinco casos contextualizados, un laboratorio de actividades y una autoevaluación de 20 preguntas. También incorpora bibliografía para respaldar sus contenidos.

Llegar a ese resultado nos hizo entender algo: crear un sitio educativo con inteligencia artificial no comienza con el código. Comienza con una decisión pedagógica.

Antes del diseño estaba la pregunta de aprendizaje

La primera tentación al utilizar ChatGPT para crear un sitio es pedirle algo como: haz una página atractiva sobre el currículum. Una instrucción de ese tipo puede producir colores, tarjetas, botones y textos bien distribuidos. El resultado incluso puede parecer profesional. El problema es que una página visualmente atractiva no necesariamente ayuda a aprender. Esto es lo que más abunda en la actualidad.

Antes de solicitar el sitio tuvimos que responder preguntas más importantes: ¿Quiénes utilizarían el recurso? ¿Qué debían comprender? ¿Qué diferencias necesitaban identificar? ¿Qué situaciones debían analizar? ¿Qué decisiones quería que tomaran? ¿Cómo comprobarían lo aprendido?

Estas preguntas definieron la arquitectura del sitio. El objetivo no sería que los estudiantes memorizaran dos definiciones. Necesitábamos diferenciar el currículum escolar del currículum de vida, comprender su relación y analizar cómo la escuela puede reconocer los conocimientos construidos en la familia, la comunidad, el trabajo y la experiencia personal.

Cuando esto quedó claro, la conversación con ChatGPT cambió. Ya no pedíamos una página sobre un tema. Le pedíamos componentes que cumplieran una función dentro de una trayectoria de aprendizaje.

El sitio se construyó mediante una conversación. El resultado no apareció después de una única instrucción. Primero definimos el propósito. Después organizamos el recorrido. Luego solicitamos una estructura inicial, revisamos lo producido y formulamos nuevas indicaciones.

El proceso se parecía más a esto:

Intención pedagógica → primer prototipo → revisión → nueva indicación → ajuste → prueba → publicación

En cada etapa surgían decisiones. Había que determinar cuánto texto debía aparecer en la pantalla, qué conceptos requerían una comparación, qué ejemplos permitían conectar escuela y vida, qué actividades servían para recuperar información y cuáles exigían interpretar o argumentar.

ChatGPT podía proponer una estructura y convertir las instrucciones en componentes funcionales. Sin embargo, no conocía automáticamente a los destinatarios, el sentido de la actividad ni el nivel de profundidad que yo buscaba.

Nosotros teníamos que proporcionarle ese contexto. Transformar el contenido fue más importante que presentarlo. Uno de los mayores riesgos era terminar con un repositorio de definiciones. Para evitarlo, el contenido se transformó en diferentes experiencias.

Por ejemplo, la comparación entre currículum escolar y currículum de vida no quedó únicamente explicada en párrafos. Se organizó mediante dimensiones como su origen, intención, espacios, formas de evaluación, tipos de saberes y relación con el tiempo.

También incorporamos casos. En uno de ellos, una estudiante de una escuela rural lleva al aula los conocimientos sobre cultivo y cuidado del agua aprendidos con su abuela. La actividad permite analizar cómo un conocimiento comunitario puede convertirse en observación, hipótesis y registro científico sin ser reducido a una anécdota.

El sitio incluye otras situaciones relacionadas con estudiantes cuidadores, problemas comunitarios, conocimientos adquiridos fuera del programa y lenguas que no siempre encuentran reconocimiento en el aula.

Estos casos fueron importantes porque obligaron a pasar de la definición a la interpretación.

Una cosa es repetir qué significa “currículum de vida”. Otra muy distinta es reconocerlo en una situación y decidir cómo debería actuar el docente.

La interactividad no siempre es aprendizaje

Agregar botones, animaciones o juegos es relativamente sencillo. Justificar su presencia es más difícil. Cada actividad debía responder a una pregunta: ¿qué acción intelectual realizará el estudiante?

Algunas actividades ayudan a reconocer o recuperar información. Otras permiten clasificar, relacionar, ordenar o diferenciar. Los casos y preguntas de reflexión buscan operaciones más complejas: interpretar, argumentar y tomar decisiones.

El sitio incorpora un laboratorio con ocho microrretos y una autoevaluación de 20 preguntas con resultados. Sin embargo, la cantidad de actividades no era el criterio principal. Lo importante era que existiera correspondencia entre el objetivo, el contenido, la acción del estudiante y la retroalimentación.

Un juego que solo entretiene puede ser un buen elemento visual, pero no necesariamente una actividad educativa. La interactividad adquiere valor cuando ayuda al estudiante a pensar.

Lo que hizo ChatGPT y lo que tuvimos que hacer

ChatGPT fue útil para:

• proponer estructuras iniciales;
• organizar contenidos en secciones;
• generar alternativas de presentación;
• desarrollar componentes interactivos;
• realizar modificaciones técnicas;
• adaptar la visualización a distintos dispositivos;
• convertir indicaciones en un sitio funcional.

Nuestra responsabilidad fue diferente:

• delimitar el problema educativo;
• formular los objetivos;
• seleccionar y verificar los contenidos;
• definir la secuencia;
• contextualizar los ejemplos;
• revisar las actividades;
• establecer los criterios de evaluación;
• detectar simplificaciones y errores;
• aprobar la versión que se publicaría.

Esta diferencia es fundamental. La inteligencia artificial puede producir una respuesta convincente, pero no asume la responsabilidad académica del recurso. No conoce por sí misma la historia del grupo, las condiciones institucionales ni las consecuencias que puede tener una decisión educativa.

La autoría no consiste solamente en escribir cada línea de código. También implica seleccionar, cuestionar, corregir, justificar y responder por el resultado.

Lo que aprendimos al construirlo

La primera lección fue que el primer resultado nunca debería considerarse terminado.

Un prototipo puede servir para observar lo que todavía no funciona. Puede revelar que una sección contiene demasiado texto, que una actividad solo evalúa memoria o que la navegación no deja claro dónde comienza y termina el recorrido.

La segunda lección fue que un buen prompt no sustituye un buen criterio.

Una instrucción extensa puede generar un resultado complejo, pero la calidad final depende de la capacidad para revisar lo producido. Hay que saber detectar qué falta, qué sobra y qué no corresponde con el objetivo.

La tercera lección fue que crear un sitio también modifica la manera de pensar la enseñanza.

Cuando el contenido debe convertirse en una experiencia navegable, cada decisión se vuelve visible. Hay que preguntarse por qué una sección aparece antes que otra, qué debe hacer el estudiante y qué evidencia permitirá saber si comprendió.

En este sentido, la inteligencia artificial no solo me ayudó a producir un recurso. También me obligó a formular con mayor precisión lo que quería enseñar.

La publicación no termina el proceso. Un sitio educativo no está terminado porque ya pueda abrirse mediante un enlace.

Antes y después de publicarlo es necesario revisar:

• la precisión de los contenidos;
• el funcionamiento de botones y actividades;
• la navegación desde un teléfono;
• la legibilidad de los textos;
• el contraste visual;
• la correspondencia entre objetivos y evaluación;
• la claridad de las instrucciones;
• la calidad de la retroalimentación;
• la accesibilidad;
• las referencias utilizadas.

También es necesario considerar la privacidad y evitar introducir datos personales o sensibles de estudiantes en las herramientas de inteligencia artificial.

Publicar significa asumir responsabilidad por el recurso, no solamente ponerlo en línea.

No nos convertimos en programadores. Nos convertimos en docentes con una capacidad adicional: transformar una intención pedagógica en una experiencia digital y participar activamente en las decisiones técnicas necesarias para construirla.

ChatGPT ayudó a reducir una barrera. Hizo posible probar alternativas, modificar componentes y convertir instrucciones en un sitio funcional.

Pero el sentido del recurso no surgió del código. Surgió de las preguntas pedagógicas, de la selección de contenidos, de los casos, de las decisiones sobre las actividades y de la revisión crítica de cada versión.

La inteligencia artificial puede ayudar a construir la página. La experiencia educativa sigue necesitando un autor.

¿Qué recurso has imaginado para tus estudiantes y todavía no has intentado construir?

 

Nota de transparencia

El sitio presentado en este artículo fue creado mediante un proceso de diseño conversacional asistido por ChatGPT. La herramienta se utilizó para generar estructuras, componentes, alternativas de presentación y ajustes técnicos. La definición de los objetivos, la selección y revisión de contenidos, la organización pedagógica, la contextualización de los casos y la aprobación del producto final fueron responsabilidad de los autores.

Para profundizar

Laurillard, D. (2012). Teaching as a design science: Building pedagogical patterns for learning and technology. Routledge.

Mayer, R. E. (2009). Multimedia learning (2.ª ed.). Cambridge University Press.

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

Mishra, P., y Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017–1054.

 

¿Vale la pena pagar por ChatGPT?

En colaboración con Mercedes Leticia Sánchez Ambriz

En los últimos días, ChatGPT presentó varias novedades: varios modelos de lenguaje, conversación en vivo y, en especial, la opción Work, solo para las cuentas de pago. Este cambio, tal vez uno de los más llamativos en el año, nos hizo pensar si es necesario pagar o seguir gratis.

Durante mucho tiempo, la diferencia entre utilizar la versión gratuita y la versión de pago de ChatGPT parecía reducirse a una cuestión de límites. Quien pagaba podía conversar durante más tiempo, cargar más archivos o generar un mayor número de imágenes. Pero estas novedades modifican esa percepción. La diferencia ya no reside solamente en cuánto se usa ChatGPT, sino en el tipo de trabajo que se realiza con esta herramienta.

La versión gratuita continúa siendo una opción capaz de responder preguntas, buscar información en Internet, analizar algunos archivos, crear imágenes y acceder a GPT personalizados. Para una persona que entra ocasionalmente, realiza una consulta y luego cierra la aplicación, estas funciones pueden ser suficientes. No existe una razón seria para recomendar una suscripción a quien todavía no ha integrado ChatGPT en sus actividades habituales.

La situación cambia cuando la inteligencia artificial deja de ser una herramienta de consulta y comienza a formar parte del trabajo cotidiano. Un profesor que planifica clases, revisa documentos, analiza respuestas de sus estudiantes, prepara presentaciones, genera imágenes y organiza una investigación necesita algo más que respuestas aisladas. Necesita continuidad, capacidad de análisis, acceso a modelos de razonamiento y menos interrupciones provocadas por los límites de uso.

ChatGPT forma parte de mi actividad diaria. Lo empleo para investigar, organizar ideas, diseñar clases, revisar textos, construir instrumentos de evaluación, generar materiales visuales y explorar nuevas formas de integrar la inteligencia artificial en la educación. Desde esta perspectiva, la pregunta ya no es si la versión de pago ofrece más funciones. La pregunta adecuada es cuánto valor produce dentro de mi trabajo.

No todos los usuarios necesitan la misma versión

Podemos reconocer varios niveles de utilización. El primero corresponde al usuario ocasional. Es la persona que entra una o dos veces por semana para buscar un dato, resolver una duda, resumir un texto corto o redactar un mensaje. Su relación con ChatGPT es semejante a la que mantiene con un buscador. Formula una pregunta, recibe una respuesta y termina la conversación. Para este usuario, la versión gratuita suele ser suficiente.

El segundo nivel corresponde al usuario frecuente. Aquí encontramos estudiantes, profesores y profesionales que utilizan ChatGPT varias veces durante la semana. Suben documentos, solicitan explicaciones, revisan textos, generan imágenes o consultan información reciente. Este usuario comienza a sentir las restricciones de la versión gratuita. Puede alcanzar el límite del modelo principal, quedar temporalmente sin acceso al análisis de archivos o tener que esperar para continuar una tarea. Es lo que sucede a diario con nuestros estudiantes.

La versión gratuita no deja de funcionar al alcanzar ciertos límites, pero puede cambiar hacia un modelo de respaldo o suspender temporalmente algunas herramientas. OpenAI explica que los límites del plan gratuito son dinámicos y que el análisis de datos, la carga de archivos y la creación de imágenes poseen restricciones propias. Esto significa que una tarea puede quedar interrumpida justo en el momento en que el usuario necesita continuarla.

El tercer nivel es el usuario intensivo. En este grupo se encuentran quienes utilizan ChatGPT todos los días y lo incorporan a procesos formativos, investigativos, creativos o profesionales. Para ellos, la conversación no termina con una respuesta. Cada resultado conduce a una revisión, una nueva pregunta, la comparación con otras fuentes o la elaboración de un producto.

Este es el punto donde la versión de pago adquiere sentido. ChatGPT Plus ofrece mayor acceso a los modelos, respuestas más rápidas, análisis avanzado, investigación profunda, carga ampliada de archivos, generación de imágenes, proyectos, tareas programadas, GPT personalizados y acceso ampliado a ChatGPT Work. Su precio oficial es de 20 dólares mensuales, aunque sus límites pueden variar según la demanda y las condiciones del sistema.

Existe un cuarto nivel: el usuario profesional de alta intensidad. Es quien desarrolla muchas tareas complejas durante varias horas, trabaja con grandes cantidades de información o requiere modelos de razonamiento superiores. Para este perfil existen las modalidades Pro. Sin embargo, una mayor capacidad técnica no significa que toda persona necesite este plan. La elección debe responder al volumen real de trabajo y no al deseo de disponer de la versión más avanzada.

La relación puede expresarse de una manera sencilla. Si ChatGPT es utilizado como buscador ocasional, la versión gratuita cumple su función. Si actúa como asistente académico diario, Plus comienza a justificarse. Si se convierte en una infraestructura permanente de producción profesional, puede tener sentido valorar una modalidad superior.

Pagar no garantiza un mejor uso

La suscripción ofrece acceso, pero no sustituye el criterio del usuario. Una persona puede pagar por ChatGPT y continuar formulando preguntas superficiales. También puede aceptar respuestas sin verificarlas, generar textos que no comprende o delegar decisiones que le corresponden. En ese caso, la versión de pago solo permite producir más contenido, pero no mejor conocimiento.

La diferencia aparece cuando el usuario transforma las funciones disponibles en procesos de aprendizaje y producción consciente. Un modelo de razonamiento avanzado resulta útil si se utiliza para examinar un problema desde varias perspectivas. La investigación profunda adquiere valor cuando sus fuentes son revisadas. La memoria es pertinente cuando ayuda a mantener la continuidad de un proyecto. La carga de archivos tiene sentido cuando permite comparar textos, identificar relaciones y construir nuevas interpretaciones.

Las novedades de este mes refuerzan esta idea. ChatGPT Work permite desarrollar tareas prolongadas, trabajar con archivos y aplicaciones conectadas, crear documentos, hojas de cálculo, presentaciones, informes y sitios. El usuario puede observar el proceso, responder preguntas y modificar la dirección del trabajo. Las tareas programadas permiten mantener búsquedas periódicas, seguir publicaciones o vigilar cambios en un tema. ChatGPT Sites transforma ideas y contenidos en recursos interactivos.

Para un profesor universitario, estas funciones abren posibilidades que van mucho más allá de redactar un texto. Se puede organizar una revisión teórica, analizar los resultados de una encuesta, preparar una presentación, generar un instrumento de evaluación y construir un recurso interactivo dentro de una misma línea de trabajo. La ventaja no se encuentra en realizar cada tarea de forma aislada, sino en conectarlas y mantener su continuidad.

En mi experiencia, el beneficio de la versión de pago tampoco se mide por la cantidad de mensajes enviados. Se mide por las horas de trabajo que ayuda a reorganizar, por las ideas que permite contrastar y por la continuidad que mantiene entre diferentes proyectos. ChatGPT no reemplaza mi experiencia pedagógica ni mi responsabilidad intelectual. Funciona como un mediador con el que dialogo, cuestiono resultados, detecto errores y elaboro nuevas propuestas.

Esta relación diaria también contiene un riesgo. Cuantas más funciones ofrece la herramienta, mayor puede ser la dependencia. El acceso permanente a modelos avanzados puede conducir a consultar antes de pensar, generar antes de planificar y aceptar antes de verificar. Estas ideas las presentamos en nuestro libro sobre Aitoxicación La suscripción debe ir acompañada de una disciplina de uso: definir el propósito, formular buenas preguntas, revisar las respuestas, contrastar las fuentes y conservar la autoría de las decisiones.

Por esta razón, no afirmaría que la versión de pago es mejor para todos. Es mejor para determinados usuarios y bajo ciertas condiciones. Resulta conveniente para quien trabaja con ChatGPT de manera frecuente, desarrolla tareas complejas, necesita continuidad y utiliza sus resultados con criterio. La versión gratuita sigue siendo una puerta de entrada válida para explorar la herramienta, aprender a formular instrucciones y decidir si realmente puede integrarse a una actividad académica o profesional.

La decisión final puede resolverse mediante una pregunta: ¿ChatGPT ocupa un lugar ocasional o permanente dentro de mi trabajo? Si la respuesta es ocasional, la versión gratuita cubre las necesidades. Si la respuesta es permanente, como sucede en mi caso, la versión de pago deja de ser un lujo tecnológico y se convierte en una inversión de trabajo. Su verdadero valor no está en tener más inteligencia artificial disponible, sino en saber para qué usarla, cómo integrarla y cuándo detenerse para pensar con criterio propio.

 

Chat GTP y Perflexity: ¿Con cuál me voy?

En colaboración con Mercedes Leticia Sánchez Ambriz. 

Vas conduciendo o sentado en un bus, entonces escucha el pódcast

Antes los constantes avances de las herramientas conversacionales y frente a la necesidad de hacer investigación en el aula, nos preguntamos cuál usar como asistente para agilizar la redacción académica, la búsqueda de información y la generación de ideas, de ahí la necesidad de revisar las diferencias y sus ventajas.

¿Qué es ChatGPT y cómo funciona?

ChatGPT es un asistente conversacional y al interactuar con ChatGPT, el docente puede refinar sus preguntas (prompts) y obtener desde explicaciones sencillas hasta análisis extensos. Una fortaleza clave es su versatilidad: el modelo puede cambiar de tono y profundidad según se le indique, adaptándose a diferentes tareas. Esto lo hace útil tanto para redacción creativa como para resolver dudas de programación, traducir texto o simular diálogos académicos. Recientemente agregó la función de Proyectos (explicado en el blog) que lo transforma en una herramienta con gran potencial para la construcción del conocimiento.

Sin embargo, también presenta limitaciones importantes. ChatGPT tiende a dar respuestas “demasiado seguras” incluso cuando no tiene datos fiables, lo que lleva a las famosas alucinaciones (inventar hechos o referencias inexistente. Asimismo, al generar contenido original sin citar fuentes automáticamente, requiere pasos adicionales para la verificación de información. En resumen, ChatGPT funciona como un colaborador creativo y políglota, ideal para generar borradores y sostener discusiones detalladas, pero depende del ojo crítico del usuario para asegurar la exactitud de sus contenidos.

¿Qué es Perplexity.ai y cómo funciona?

Perplexity.ai es un buscador conversacional que en lugar de presentar una lista de enlaces azules, proporciona directamente una respuesta breve elaborada a partir de la información más relevante que encuentra en Internet, mostrando al mismo tiempo las referencias de donde extrae esos datos. Por ejemplo, si un docente-investigador pregunta “¿Qué dicen estudios recientes sobre la gamificación en primaria?”, Perplexity realizará búsquedas en la web (incluso en literatura académica si se le indica ese enfoque) y devolverá un párrafo resumido con las conclusiones, junto con enlaces a los artículos o fuentes originales.

Esta integración de búsqueda web en cada interacción le da a Perplexity un carácter muy orientado a la investigación: las citas aparecen entremezcladas en la respuesta, permitiendo al usuario rastrear fácilmente la información hasta su origen. En palabras simples, Perplexity “piensa” como ChatGPT pero con Google en la mano.

Esto no solo brinda crédito a los autores originales, sino que facilita al docente la tarea de verificar la veracidad de lo que la IA dice, accediendo a las referencias con un clic. Cabe destacar que Perplexity ofrece varios modos de búsqueda (Web general, Académico, Redes sociales, código, etc.), y funcionalidades como la carga de PDFs para buscar dentro de documentos, o un copiloto que guía preguntas de seguimiento.

Otra de sus ventajas es la lista de preguntas sugeridas para continuar la conversación, como muestra la imagen

Recientemente Perplexity tiene su propio navegador Web, lo que aporta un mayor dinamismo al trabajo. El navegador facilita la interacción con el sitio, lo que ahorra tiempo al trabajo.

Diferencias, ventajas y limitaciones para redacción académica e investigación

Tanto ChatGPT como Perplexity.ai son potentes asistentes de IA, pero están diseñados con enfoques distintos, lo que se refleja en sus fortalezas y debilidades para tareas académicas. A continuación, comparamos sus principales diferencias pensando en la redacción de textos académicos y la búsqueda de información científica:

Aspecto	Chat GPT	Perplexity.ai
Interacción y estilo	Conversacional, flexible y adaptable. Mantiene el contexto de múltiples turnos, ideal para profundizar y ajustar el tono.	Estructurado y directo, orientado a investigación. Responde con párrafos informativos concisos y referencias rápidas.
Uso de fuentes	No cita fuentes por defecto (salvo que se le pida). Requiere esfuerzo adicional para respaldo académico.	Transparente: cada respuesta incluye citas verificables y enlaces a las fuentes.
Actualidad de la información	Búsqueda en tiempo real, con información actualizada	Siempre búsqueda en tiempo real con información actualizada y fuentes recientes.
Calidad de redacción	Produce textos coherentes y con estilo académico, puede mejorar cohesión y claridad. Ideal para redacción extensa.	Prioriza concisión, útil para datos rápidos. Menos adecuado para textos largos o creativos.
Capacidades adicionales	Multifuncional: genera código, resuelve problemas, analiza imágenes y datos. Muy versátil para investigación técnica.	Ofrece búsqueda en videos y enlaces compartibles, ideal para trabajo colaborativo y verificación.

En síntesis, ChatGPT brilla por su versatilidad y habilidad conversacional: es ideal para lluvia de ideas, generación de contenido original y apoyo en diversas tareas creativas o técnicas. Perplexity.ai, por su parte, sobresale en la precisión informativa y la verificación de hechos: es la herramienta preferible cuando se requiere obtener datos confiables, citas académicas y comparativas rápidas entre fuentes.

Entender sus diferencias permite aprovechar lo mejor de cada una según la necesidad: la fortaleza investigadora y analítica de Perplexity combinada con la creatividad y amplitud de ChatGPT. Eso sí, en todos los casos el docente deberá mantenerse como pensador crítico, pues ninguna IA es infalible y ambas pueden dar respuestas erróneas. Siempre será necesario evaluar críticamente lo que digan y corroborar con fuentes confiables antes de darlo por válido.

Casos de uso: ChatGPT y Perplexity en la práctica docente-investigadora

¿Cómo pueden concretamente estas herramientas apoyar la investigación en el aula? A continuación, se presentan casos de uso comunes para docentes que inician o fortalecen proyectos de indagación educativa. Cada caso muestra cómo ChatGPT y Perplexity podrían emplearse de forma complementaria:

• Generación de ideas y preguntas de investigación
• Revisión de literatura y búsqueda de antecedentes
• Asistencia en la redacción académica.   
• Diseño de instrumentos y análisis de datos 

Recomendaciones para un uso ético y pedagógico de estas herramientas

La incorporación de ChatGPT y Perplexity en la práctica docente-investigadora debe venir acompañada de reflexión ética y pedagógica. A continuación, reunimos algunas recomendaciones clave para aprovechar estas IA de manera responsable en contextos educativos:

• Integridad académica y transparencia: Si como docentes usamos IA para elaborar parte de un trabajo (por ejemplo, para redactar un párrafo u obtener referencias), debe reconocerse su uso de forma transparente..
• Rol de apoyo, no de sustitución: ChatGPT y Perplexity deben presentarse a los docentes (y a los estudiantes) como herramientas de apoyo, no reemplazos de la capacidad humana. Es importante fomentar una actitud en la que la IA es un asesor o ayudante, pero las decisiones críticas las toma la persona. Por ejemplo, ChatGPT puede facilitar una explicación, pero el docente debe decidir si esa explicación es adecuada para sus alumnos.
• Protección de datos y privacidad: Otro aspecto ético importante es cuidar qué tipo de información compartimos con estas plataformas. Al ser servicios en línea, generalmente gratuitos o de terceros, no se debe introducir datos sensibles de estudiantes, evaluaciones o información privada de la institución en prompts de ChatGPT o en consultas de Perplexity. Por ejemplo, nunca pegar listas con nombres de estudiantes o respuestas individuales esperando que la IA las analice, sin anonimización.
• Consideraciones pedagógicas: Por último, reflexionemos sobre cómo encajan estas herramientas en nuestra estructura de la clase. Es vital preguntarse: ¿Contribuye el uso de ChatGPT o Perplexity a los objetivos de aprendizaje de mis estudiantes? En investigación en el aula, puede ser didáctico involucrar a los alumnos en el proceso: por ejemplo, mostrar en clase cómo se formula una buena pregunta de investigación y contrastar lo que dice Perplexity sobre el tema con lo que opinan ellos o encuentran en libros.

Conclusiones: innovación informada y crítica en el aula

La irrupción de herramientas de IA como ChatGPT y Perplexity.ai abre oportunidades emocionantes para la investigación educativa a la vez que plantea nuevos desafíos. Por un lado, nos permiten ahorrar tiempo en tareas mecánicas (búsqueda de bibliografía, corrección de estilo) y nos brindan ideas frescas y datos al instante; por otro, nos obligan a replantear la forma en que enseñamos habilidades de investigación, escritura y pensamiento crítico. Hemos visto que ChatGPT, con su capacidad generativa versátil, puede actuar como un catalizador de creatividad y un asistente en la redacción académica, mientras que Perplexity aporta la brújula de la verificación y la precisión informativa con fuentes transparentes. Lejos de ser mágicas o infalibles, su valor real depende de cómo las integremos pedagógicamente: son tan útiles como lo sea nuestra supervisión y guía en su uso.

Invitamos a los docentes de todos los niveles a explorar activamente estas herramientas en sus próximos proyectos. Si nunca las has utilizado, comienza por algo pequeño: pídele a ChatGPT que te sugiera enfoques para un problema que quieras investigar en tu aula, o usa Perplexity para descubrir un dato curioso que comparta en tu próxima clase. La experiencia directa te permitirá descubrir sus aportes y limitaciones.

En conclusión, ChatGPT y Perplexity.ai pueden ser aliados poderosos para el docente-investigador innovador: uno ofrece conversación inteligente que inspira y coescribe, el otro ofrece conocimiento fundamentado listo para consultar. Juntos, y bajo nuestra dirección experta, pueden ayudarnos a llevar la investigación en el aula a nuevos niveles de agilidad y rigor. La invitación queda abierta: atrevámonos a innovar informados, incorporando la IA con visión crítica, y sigamos cultivando en nuestros estudiantes (y en nosotros mismos) la pasión por aprender, preguntar y descubrir apoyados en las mejores herramientas de nuestro tiempo.

Referencias

Baldrich, K., & Domínguez-Oller, J. C. (2024). El uso de ChatGPT en la escritura académica: Un estudio de caso en educación. Pixel-Bit. Revista de Medios y Educación, 71, 141–157. https://doi.org/10.12795/pixelbit.103527 recyt.fecyt.es

DataCamp. (2025, 11 de febrero). Perplejidad vs. ChatGPT: ¿Qué asistente de IA se adapta mejor a tus necesidades? [Blog]. Recuperado de https://www.datacamp.com/es/blog/perplexity-vs-chatgpt datacamp.comdatacamp.com

Fernández, Y. (2025, 23 de enero). Qué es Perplexity, cómo funciona y cómo es la versión Pro de este buscador por inteligencia artificial. En Xataka. Recuperado de https://www.xataka.com/basics/que-perplexity-como-funciona-como-version-pro-este-buscador-inteligencia-artificial xataka.comxataka.com

Núñez Pascual, Á. (2025, 9 de mayo). ChatGPT en la educación en 2025: claves para entender sus ventajas y desafíos éticos. Blog de Cursos Femxa. Recuperado de https://www.cursosfemxa.es/blog/chat-gpt-educacion cursosfemxa.escursosfemxa.es

Sui, N., & Hess, G. (2024, 11 de septiembre). Comparing Perplexity AI and ChatGPT: A Faculty Perspective. Office for Faculty Excellence, NC State Univ. Recuperado de https://provost.ncsu.edu/ofe/2024/09/11/comparing-perplexity-ai-and-chatgpt-a-faculty-perspective/ provost.ncsu.eduprovost.ncsu.edu

UNESCO (2024, 17 de mayo). El uso de la IA en la educación: decidir el futuro que queremos. Recuperado de https://www.unesco.org/es/articles/el-uso-de-la-ia-en-la-educacion-decidir-el-futuro-que-queremos (entrevista a Stefania Giannini).