Cuando la IA empieza a interpretar por nosotros

Un estudiante lee la consigna de la tarea que orientó el profesor y abre ChatGPT: “Explícame qué tengo que hacer”. Todavía no ha pedido que le escriba el trabajo. Sin embargo, la inteligencia artificial (IA) ya interviene en una parte del aprendizaje: comprender el problema. Esta acción nos invita a mirar más allá de la autoría del texto entregado. También necesitamos saber cómo llegó el estudiante a entender la tarea y qué decisiones pudo tomar por sí mismo.

Watson, Morgner y Brezovec (Watson et al., 2026) en un trabajo de reciente publicación, proponen estudiar la IA generativa como una infraestructura que media el significado educativo. Su revisión crítica integradora examina cómo reformula consignas, rúbricas, comentarios docentes y géneros académicos. Llaman transducción semántica a esa transformación de las demandas educativas en formas comunicativamente aceptables. Dicho de manera sencilla, una explicación puede sonar adecuada y, aun así, cambiar lo que se esperaba del estudiante.

La revisión toca otro punto interesante y muy común en estos tiempos de expansión de la IA y es que facilitar el acceso no resuelve todas las desigualdades. Importan las capacidades de uso y los modelos de buen desempeño que orientan el reconocimiento de los estudiantes. Su aporte es conceptual: no demuestra que utilizar IA cause dependencia ni estima la frecuencia de ese efecto. Ofrece una perspectiva para formular preguntas y examinar prácticas que podrían pasar inadvertidas.

Un ejemplo explica lo anterior. Si se le pide al estudiante: “Analiza críticamente las implicaciones educativas de la IA generativa”. La herramienta podría convertirla en una lista de ventajas y desventajas. El estudiante recibe una orientación comprensible, pero quizá pierde una exigencia central: discutir supuestos y valorar la evidencia. Si acepta ese esquema sin contrastarlo con el objetivo de la actividad, empieza a resolver una versión diferente de la tarea, deja de analizar.

Contrario a la anterior, podemos encontrar que un estudiante que desconoce parte del lenguaje científico-técnico, o no conoce a fondo el idioma, puede lograr con la reformulación de la IA, ayuda para comprender lo pedido por el profesor. Sería injusto confundir esa necesidad de apoyo con falta de capacidad. La pregunta pedagógica surge después: ¿el estudiante puede explicar lo que entendió, reconocer lo que cambió y justificar su interpretación?

Como profesores, también tenemos una responsabilidad en esta escena. Una consigna ambigua puede empujar al estudiante a buscar fuera del aula la claridad que no encontró en nuestras indicaciones. Antes de atribuir el problema a la tecnología, conviene revisar qué pedimos y cómo lo explicamos. Esa revisión puede incluir ejemplos, una conversación breve y criterios de evaluación comprensibles, que como profesores podemos asesorarnos con la IA.

Acompañar la comprensión y cuidar la autonomía

Desde el enfoque histórico cultural que orienta esta reflexión, aprender supone participar en actividades mediadas por otras personas y recursos culturales. Pedir ayuda forma parte de ese proceso. De este modo podemos valorar la mediación por las posibilidades que abre para comprender y actuar con mayor autonomía. Esto exige observar el aprendizaje a lo largo del tiempo y considerar los apoyos de accesibilidad que cada estudiante necesita.

Aquí encontramos una posible relación con la aitoxicación, entendida en este blog como una preocupación por la dependencia excesiva de la IA. La dependencia interpretativa sería una dimensión por investigar, no un diagnóstico establecido. Podría aparecer cuando alguien acepta reiteradamente la interpretación de la herramienta sin contrastarla ni elaborar la propia. Para estudiarla, habría que considerar la dificultad de la tarea, los conocimientos previos y las condiciones de enseñanza.

Un estudiante puede consultar varias veces la IA y discutir cada sugerencia con buenos argumentos. Otro puede hacerlo una sola vez y aceptar un planteamiento que no comprende. Como docentes, nos interesa observar qué decisiones conserva cada uno y cómo explica sus razones.

(Sambetova & Zhaidakbayeva, 2026) ofrecen una experiencia complementaria en educación informática. Evaluaron un modelo de tutoría que exige un intento inicial, proporciona pistas graduales y pide explicar el razonamiento. Compararon esa condición con recursos convencionales sin asistencia de IA. Informaron mejoras en resolución de problemas, con mantenimiento o aumento de los indicadores de independencia académica. Estos resultados corresponden al contexto y a las medidas del estudio; no garantizan el mismo efecto en cualquier asignatura.

La propuesta sugiere una adaptación sencilla para nuestras clases. Antes de consultar la IA, podríamos pedir al estudiante que escriba qué entiende de la consigna y dónde necesita ayuda. Después compararía su interpretación con la respuesta recibida. Al compartirlas, explicaría qué sugerencia aceptó, cuál descartó y por qué. El profesor tendría así una oportunidad de intervenir en la comprensión, cuando todavía es posible reorientar el trabajo.

Esta secuencia debe ajustarse al objetivo. Si queremos evaluar la interpretación de un problema, necesitamos observar esa actividad directamente. Si buscamos valorar un argumento disciplinar, aclarar el vocabulario de la consigna puede ser un apoyo legítimo. En ambos casos, conviene acordar cuándo y para qué puede emplearse la IA. La claridad protege al estudiante y hace más coherente la evaluación.

En una materia sobre evaluación educativa que impartimos, los estudiantes deben trabajar con un generador de prompt para iniciar el trabajo de creación de una institución educativa que los llevará por diez pasos hasta concluir con el sistema de evaluación de una asignatura. En la primera exposición de sus avances, tienen que mostrar la selección de tres instituciones y explicar las razones por la que descartaron dos. En este momento el estudiante confronta el trabajo de la IA con sus intereses y posibilidades reales.

La escritura académica requiere el mismo cuidado., por lo que a declarar que empleó la IA para redactar y buscar información, no explica si también ayudó a delimitar el problema o seleccionar los argumentos. Podemos solicitar una explicación breve de esas intervenciones y de las decisiones que asumió el autor. Una conversación sobre el trabajo puede mostrar comprensiones y dudas que la fluidez del texto deja ocultas.

Al cerrar una actividad, parece útil volver a una pregunta concreta: ¿qué puede comprender ahora el estudiante que antes no comprendía? Podemos explorarlo mediante un problema semejante, con apoyos ajustados a sus necesidades, y escuchar cómo razona. Si logra justificar mejor sus decisiones, tendremos indicios de avance. Nuestra tarea consiste en organizar ayudas que favorezcan ese progreso y revisar las que terminan sustituyendo su participación intelectual.

Referencias

Sambetova, R., & Zhaidakbayeva, L. (2026). A pedagogical model of generative AI tutoring in informatics education and its effects on problem-solving quality and academic independence. STEM Education, 6(5), 927–951. https://doi.org/10.3934/steme.2026037

Watson, S., Morgner, C., & Brezovec, E. (2026). Generative AI as meaning-mediating infrastructure in education: A critical integrative review of inclusion, exclusion, and semantic transduction. AI & Society. https://doi.org/10.1007/s00146-026-03221-4

La tarea no termina con la IA: comienza con la defensa del aprendizaje

Uno de los problemas más visibles en las aulas universitarias no es que los estudiantes utilicen inteligencia artificial. El problema aparece cuando la emplean para resolver todo, entregando resultados que no comprenden. Presentan un texto correcto, una infografía atractiva y realizan una exposición bien ordenada. Sin embargo, no pueden explicar una idea central, reconocer una fuente ni justificar una decisión. El producto parece terminado, pero el aprendizaje permanece oculto. Cometen errores y dicen que fue la IA quien lo dijo.

Esta situación obliga a revisar el sentido de la tarea. Durante años, los profesores evaluamos el resultado final como evidencia del trabajo intelectual. La inteligencia artificial ha debilitado esa relación. Un documento bien escrito ya no demuestra, por sí solo, que su autor conoce el tema. La fluidez verbal puede ocultar una comprensión limitada. También puede encubrir fuentes débiles, conceptos imprecisos y conclusiones que nadie verificó.

La respuesta más inmediata suele ser prohibir la IA o intentar descubrir cuánto texto produjo. Ambas decisiones dejan intacto el problema pedagógico. La pregunta no debería ser cuánto intervino la herramienta. Conviene preguntar qué hizo el estudiante con ella, qué examinó, qué descartó y qué puede defender sin consultarla otra vez.

La guía de la UNESCO sobre IA generativa en educación e investigación propone una integración centrada en las personas. También defiende el desarrollo de capacidades. El documento sobre reforma de la evaluación en la época de la inteligencia artificial plantea un cambio semejante. La evaluación debe preparar al estudiante para trabajar en un mundo donde la IA forma parte de la actividad profesional. También debe ofrecer evidencias confiables del aprendizaje alcanzado.

Hacer visible el aprendizaje

La experiencia que propongo puede llamarse: La ruta visible del aprendizaje con IA. Su propósito no consiste en producir más materiales. Busca que cada estudiante reconstruya el proceso seguido y responda por sus decisiones. NotebookLM funcionaría como mediador de la investigación, no como una máquina que entrega respuestas terminadas.

La actividad comenzaría con una pregunta problémica, que exige comparar, relacionar y tomar partido. Un ejemplo sería este: ¿cuándo contribuye la IA generativa al aprendizaje universitario y cuándo genera dependencia cognitiva? Podemos crear varios equipos de tres integrantes, donde cada uno podría delimitar la pregunta desde una asignatura o situación educativa concreta.

Cada equipo iniciaría una investigación profunda para construir un cuaderno en NotebookLM. Las fuentes podrían rondar entre ocho y diez, donde al menos cinco serían artículos académicos o revisiones científicas. También incluiría documentos institucionales y una fuente que presente una perspectiva diferente. Esta condición reduce la posibilidad de formar un corpus que solo confirme una idea previa.

Incorporar un documento al cuaderno no significa aceptarlo; por el contrario, cada fuente debe pasar por una revisión. Los estudiantes examinarían la autoría, la fecha, la procedencia, el método empleado, la evidencia presentada y sus límites, así como su relación con la pregunta. Una fuente puede parecer confiable y aportar muy poco. Otra puede ser pertinente, pero contener afirmaciones que deben compararse con otras fuentes. Esta tarea es la que obliga al estudiante a leer y analizar las fuentes, evitando así la aceptación tácita de todas las fuentes.

Para esta tarea se puede crear una tabla de calidad documental, donde se recogen todos los elementos antes mencionados. El estudiante tendría que explicar por qué conserva cada texto y qué uso le dará. También anotaría las fuentes descartadas y las razones del rechazo. Esta decisión tiene valor formativo. Buscar información es solo el inicio; seleccionar exige criterio.

Después se elaboraría un glosario comentado con diez o quince términos. Cada entrada contendría una definición redactada por el equipo y la fuente que la sustenta. También incluiría un ejemplo, un contraejemplo y su relación con otros conceptos. Copiar una definición no basta. El ejemplo muestra si el estudiante puede reconocer el concepto. El contraejemplo permite comprobar si comprende sus límites.

Este glosario cumple otra función: evita que categorías como pensamiento crítico, aprendizaje, dependencia o evaluación se utilicen como etiquetas vacías. Si el estudiante no puede explicar un término con sus propias palabras, tampoco puede utilizarlo con rigor en una conclusión.

En esta etapa entraría el sitio Prompts para trabajar con NotebookLM. Su biblioteca y el método 5C ofrecerían un andamiaje común. El método organiza cada consulta mediante contexto, corpus, comando, condiciones y comprobación. La acción cognitiva debe ser precisa. Comparar, evaluar, explicar y justificar producen interacciones más exigentes que resumir.

El sitio no debería convertirse en un banco para copiar instrucciones. Cada equipo seleccionaría tres prompts y los adaptaría a su problema. También redactaría uno propio mediante el método 5C. En todos los casos mostraría el prompt de referencia, la versión modificada y la razón de cada cambio.

Mostrar los prompts tampoco demuestra comprensión. Un prompt puede copiarse con la misma facilidad que una respuesta. Por eso, el registro debe incluir el propósito, el resultado obtenido, la verificación realizada y la decisión final. El estudiante explicaría si aceptó, corrigió, descartó o reformuló la respuesta. También presentaría un prompt que fracasó y mostraría cómo lo corrigió.

Una segunda tabla vincularía las afirmaciones con sus evidencias. Cada conclusión tendría una fuente, un fragmento de respaldo, una interpretación del equipo y una advertencia sobre sus límites. Esta separación ayuda a distinguir tres niveles. Uno corresponde a la fuente, otro a NotebookLM y el tercero a la conclusión estudiantil.

Desde el enfoque histórico cultural, la herramienta ocupa el lugar de un instrumento de mediación. No aprende en lugar del estudiante. Modifica la actividad y crea nuevas condiciones para acceder a la información. La apropiación del conocimiento surge cuando el estudiante dialoga, contrasta, explica y actúa con los conceptos. El profesor organiza esas condiciones y orienta el paso desde la ayuda externa hacia la comprensión propia.

La defensa cambia el sentido de la tarea

La infografía y la presentación serían productos de síntesis, pero no el centro de la evaluación. La infografía representaría relaciones entre conceptos, evidencias y conclusiones. Cada afirmación central indicaría su fuente. La presentación mostraría el proceso de investigación, las decisiones documentales, los prompts empleados y las correcciones realizadas.

La defensa del trabajo no consiste en crear diapositivas, ni en leerlas. El equipo tendría que responder varias preguntas. Explicaría qué investigó, cómo delimitó el problema y qué fuentes aceptó. También mostraría cómo influyeron los prompts y qué puede sostener sin ayuda de la IA. Esta última pregunta marca la diferencia entre repetir una salida y demostrar aprendizaje.

La actividad terminaría con una defensa individual. El profesor elegiría al azar un término del glosario, una fuente, una afirmación de la infografía y un prompt. Cada integrante explicaría su sentido y reconstruiría el razonamiento seguido. También respondería una pregunta nueva. La selección aleatoria impide que una sola persona concentre el trabajo y obliga a todos a conocer el proceso completo.

La calificación debe reflejar este cambio. La calidad de las fuentes recibiría el veinte por ciento. La relación entre afirmaciones y evidencias tendría otro veinte por ciento. El glosario y la comprensión conceptual representarían el quince por ciento. Los prompts, su justificación y sus reformulaciones sumarían otro quince por ciento. La infografía y la presentación aportarían el diez por ciento. La defensa individual completaría el veinte por ciento restantes.

Este reparto de notas no comunica una decisión pedagógica. Los productos visuales tienen valor, pero no sustituyen la investigación. Un diseño atractivo no compensa una fuente débil. Una presentación fluida no reemplaza la comprensión. La defensa tampoco funciona como castigo. Es el momento en que el estudiante convierte el proceso en lenguaje propio.

La propuesta permite trabajar varias habilidades en una sola experiencia. Los estudiantes buscan, seleccionan, comparan, definen, verifican, sintetizan y comunican. La taxonomía de Bloom deja de aparecer como una lista de verbos. Se convierte en una guía para formular operaciones intelectuales observables. La alfabetización en IA también adquiere un sentido pedagógico. No se limita a manejar funciones; incluye reconocer límites, examinar evidencias y asumir responsabilidad por una conclusión.

Esta tarea puede aplicarse en distintas asignaturas. Cambiarían la pregunta, el corpus y los productos, pero se conservaría el principio. Cada resultado generado con IA debe dejar una huella que permita reconstruir cómo se obtuvo. Esa huella no es una captura de pantalla. Está formada por fuentes, decisiones, dudas, correcciones y argumentos.

El mayor riesgo no es que la inteligencia artificial escriba por los estudiantes. El mayor riesgo es que ellos se acostumbren a presentar conocimientos que nunca hicieron suyos. Esa práctica alimenta una forma de aitoxicación: mucha información, apariencia de dominio y escasa capacidad para explicar.

Por eso, la tarea no termina cuando aparece el texto, la infografía o la presentación. En ese momento comienza la parte que realmente interesa al profesor. El estudiante debe mostrar qué comprendió, cómo llegó hasta allí y qué razones sostienen su respuesta. La autoría ya no se mide por la ausencia de inteligencia artificial. Se reconoce en la capacidad de examinarla, corregirla y responder por cada idea presentada.

La idea que estamos presentando surgió como parte de un taller sobre NotebookLM que recientemente realizamos con profesores y administrativos de la Facultad de Humanidades. La tarea evaluativa propuesta requiere madurez del estudiante, responsabilidad, habilidades digitales, en especial para trabajar con NotebookLM, y un sentido ético del trabajo. El profesor debe orientar detalladamente cada paso, para evitar que se salten algunos y volvamos al clásico copiar y pegar. Es una tarea que puede revisarse por partes y conlleva tiempo tanto en la fase de investigación, el desarrollo y su presentación final.

 

 

Repensar la formación del pensamiento crítico frente a la infoxicación contemporánea

En colaboración con Mercedes Leticia Sánchez Ambriz

Vivimos en una época caracterizada no por la escasez, sino por la sobreabundancia de información. Este fenómeno, lejos de garantizar una democratización efectiva del conocimiento, ha generado nuevas formas de vulnerabilidad cognitiva y social. La denominada infoxicación describe precisamente esta saturación informativa que dificulta la selección, comprensión y evaluación crítica de los contenidos disponibles. En lugar de facilitar el aprendizaje, el exceso de información puede producir desorientación, superficialidad y dependencia de discursos dominantes.

En este contexto, el desafío educativo se ha transformado profundamente. Ya no se trata únicamente de asegurar el acceso a la información, sino de desarrollar la capacidad de interpretarla críticamente. La circulación masiva de contenidos en entornos digitales, frecuentemente mediada por algoritmos y estrategias persuasivas, implica que gran parte de la información no solo busca informar, sino también influir en la percepción y conducta de los individuos.

Diversos estudios han señalado que el acceso acelerado a la información, potenciado por internet y la inteligencia artificial, ha incrementado los riesgos de desinformación, superficialidad analítica y reproducción acrítica de contenidos (Flores Morales et al., 2024). Asimismo, la integración de tecnologías digitales en la educación plantea desafíos éticos vinculados con la fiabilidad de la información, la transparencia de las fuentes y la responsabilidad en su uso (Gallent-Torres et al., 2023).

Por ello, la alfabetización contemporánea no puede limitarse a la comprensión literal de textos. Se vuelve imprescindible enseñar a cuestionar, contrastar y evaluar la información. En otras palabras, el reto educativo actual consiste en formar estudiantes capaces de ejercer un pensamiento crítico que les permita desenvolverse en un entorno informativo complejo y, en muchos casos, deliberadamente persuasivo.

Enseñar a preguntar: el núcleo del pensamiento crítico

En este escenario, el pensamiento crítico deja de ser una habilidad complementaria para convertirse en una condición esencial para la construcción del conocimiento. Sin la capacidad de cuestionar y analizar, la información no se transforma en aprendizaje, sino en acumulación acrítica de datos. Formar pensamiento crítico implica, por tanto, dotar a los estudiantes de herramientas para interpretar discursos, evaluar evidencias y construir juicios propios fundamentados.

En este sentido, enseñar a formular preguntas no es una estrategia secundaria, sino el núcleo del pensamiento crítico. Preguntar implica detener la lectura automática, interrumpir la aceptación pasiva de la información y activar procesos cognitivos de análisis y evaluación. Como señalan los estudios sobre integridad académica y formación intelectual, la capacidad de discernimiento se construye precisamente cuando el sujeto problematiza lo que lee en lugar de reproducirlo (Ibarra Beltrán et al., 2023).

Una estrategia pedagógica clave consiste en enseñar a los estudiantes a formular preguntas orientadoras frente a cualquier texto. Estas preguntas no solo favorecen la comprensión profunda, sino que constituyen herramientas concretas para resistir la manipulación informativa.

1. ¿Dónde está el argumento real?

Muchos textos aparentan ser informativos, pero en realidad sostienen una postura específica. Identificar el argumento implica reconocer la tesis central, incluso cuando no está explícita. Esta habilidad permite superar la lectura superficial y detectar intencionalidades discursivas, lo cual es fundamental en contextos donde la información está diseñada para influir más que para informar.

2. ¿Dónde está la evidencia?

En un entorno saturado de afirmaciones categóricas, resulta indispensable exigir sustento empírico. Expresiones como “los estudios demuestran” carecen de valor si no se acompañan de referencias verificables. La formación crítica exige desarrollar criterios para distinguir entre evidencia sólida y afirmaciones infundadas, especialmente en contextos donde la información circula sin control riguroso (Flor-Terán & Sandoval-Reyes, 2024).

3. ¿Qué emoción está activando?

La persuasión contemporánea opera, en gran medida, a través de las emociones. El miedo, la indignación o la urgencia son frecuentemente utilizados para influir en la toma de decisiones. Reconocer estos mecanismos permite tomar distancia crítica y evitar respuestas impulsivas basadas en estímulos afectivos más que en razonamientos.

4. ¿Qué tan verificable es la afirmación?

Muchas propuestas, desde noticias hasta productos, se sostienen en promesas difíciles de comprobar. Evaluar su verificabilidad implica desarrollar una actitud escéptica fundamentada, orientada a contrastar la información antes de aceptarla como válida.

Estas preguntas se inscriben dentro de enfoques de alfabetización crítica y mediática, que buscan formar individuos capaces de analizar no solo el contenido, sino también las condiciones de producción y circulación de la información (Gallent-Torres et al., 2023).

El rol del docente: de transmisor a mediador crítico

Frente a la infoxicación, el rol del docente experimenta una transformación significativa. Deja de ser un transmisor de contenidos para convertirse en un mediador del pensamiento crítico. Su función principal no es solo enseñar información, sino guiar procesos de interpretación, análisis y cuestionamiento.

Esto implica incorporar en el aula prácticas pedagógicas como el análisis de textos reales (noticias, publicidad, redes sociales), la discusión sobre intencionalidad discursiva, la identificación de sesgos y la evaluación de la calidad de las fuentes. En este sentido, el docente no solo enseña contenidos, sino que enseña a pensar sobre esos contenidos.

La literatura reciente subraya que la integración de tecnologías como la inteligencia artificial en la educación requiere precisamente el desarrollo de competencias críticas que permitan a los estudiantes interactuar con estas herramientas de manera ética y responsable (Flor-Terán & Sandoval-Reyes, 2024). Sin estas competencias, existe el riesgo de que la tecnología sustituya el pensamiento en lugar de potenciarlo.

Educar para no ser manipulados

La infoxicación no se resuelve reduciendo la cantidad de información disponible, sino aumentando la capacidad de análisis de quienes la consumen. Un estudiante que cuestiona, verifica y reflexiona es menos vulnerable a la manipulación y más capaz de construir conocimiento propio.

En este sentido, el pensamiento crítico no solo tiene una dimensión cognitiva, sino también ética. Implica asumir responsabilidad frente a la información que se consume y se reproduce. Como señalan diversos estudios, la honestidad intelectual y la capacidad de discernimiento son fundamentales en contextos donde la información es abundante y fácilmente reproducible (Flores Morales et al., 2024).

Conclusión

La infoxicación constituye uno de los principales desafíos educativos de la contemporaneidad. En un entorno donde la información circula de manera acelerada y con intencionalidades diversas, la ausencia de pensamiento crítico convierte al individuo en un receptor pasivo, susceptible de reproducir discursos sin cuestionarlos.

Por ello, la educación debe orientarse hacia la formación de sujetos intelectualmente autónomos. Esto implica enseñar a dudar con fundamento, a verificar antes de aceptar y a reconocer que no toda información posee el mismo valor epistemológico.

En este proceso, las preguntas adquieren un papel central. No son solo herramientas didácticas, sino mecanismos fundamentales para activar el pensamiento, cuestionar la evidencia y resistir la manipulación. Enseñar a preguntar es, en última instancia, enseñar a pensar.

Fortalecer el pensamiento crítico no es una opción pedagógica secundaria, sino una necesidad estructural frente a las condiciones actuales de producción del conocimiento. Formar estudiantes críticos es formar ciudadanos capaces de participar de manera consciente, informada y responsable en la sociedad.

Porque, en un mundo saturado de información, la verdadera competencia no radica en acceder a ella, sino en saber interpretarla, evaluarla y transformarla en conocimiento significativo.

Referencias

Flores Morales, J. A., Quinteros, R. M. F., Contreras Maguiña, A. P., & Luna Román, E. A. (2024). Originalidad y honestidad intelectual: Navegando por las aguas del plagio. Revista de Climatología.

Gallent-Torres, C., Zapata-González, A., & Ortego-Hernando, J. L. (2023). El impacto de la inteligencia artificial generativa en educación superior: una mirada desde la ética y la integridad académica. RELIEVE.

Flor-Terán, G. A., & Sandoval-Reyes, P. A. (2024). La ética en el uso de la inteligencia artificial en la educación: desafíos y oportunidades. Polo del Conocimiento.

Ibarra Beltrán, Á. J., Aguayo Álvarez, Z., & Velázquez García, R. E. (2023). Desmitificando el plagio digital: percepciones y realidades de la ética estudiantil. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades.

Habilidades blandas e inteligencia artificial: un nuevo desafío para la docencia universitaria

 

En colaboración con Mercedes Leticia Sánchez Ambriz 

En este pódcast hicimos un cambio, escúchalo y nos comentas qué te parece, accede desde saquí.

La docencia universitaria atraviesa el momento de los mayores cambios en toda su historia. La presencia creciente de la inteligencia artificial generativa en las aulas obliga a reconsiderar no solo las metodologías de enseñanza, sino también el papel del docente como mediador, guía y referente ético. En este escenario, las habilidades blandas, aquellas que articulan nuestras capacidades socioemocionales, comunicativas y cognitivas, se vuelven más relevantes que nunca.

Diversos estudios coinciden en que el desempeño docente no se sostiene únicamente sobre el dominio disciplinar. Requiere habilidades que permitan construir relaciones, generar confianza, analizar críticamente la información, comunicarse con claridad y gestionar tensiones propias del entorno académico. Como señalan Robbins y Judge (2019), la comunicación, la motivación y la capacidad de interacción social son elementos decisivos del desempeño laboral en contextos educativos altamente complejos.

¿Cómo deben adaptarse las habilidades blandas al trabajo con la inteligencia artificial en la universidad? En este artículo exploro tres de las habilidades más conocidas (comunicación efectiva, pensamiento crítico y resolución de conflictos), sin dejar de reconocer el valor de las demás citadas por numerosos autores.

1. Comunicación efectiva: del aula al diálogo con la IA

La comunicación ha sido considerada por Hargie (2016) como una habilidad estratégica que sostiene las interacciones humanas y, en el caso de la educación, permite construir significado compartido entre docentes y estudiantes. En las universidades, la comunicación dejó ser la clásica transmisión de información para pasar a ser creación de sentido, negociación de expectativas y orientación pedagógica.

Con la llegada de la inteligencia artificial, la comunicación adquiere una nueva dimensión. Ahora, el docente no solo necesita comunicarse con sus estudiantes, sino también con los modelos de IA que acompañan el proceso pedagógico. Esto implica desarrollar una competencia adicional: saber formular instrucciones claras, estructuradas y éticamente responsables a los sistemas de IA. Esta competencia implica que el profesor se convierte en curador de contenidos, como expresamente en el blog

En otras palabras, la comunicación efectiva se transforma en comunicación algorítmica, en la que los prompts se convierten en un lenguaje pedagógico. La claridad del mensaje, la precisión conceptual y la intención educativa determinan la calidad de la respuesta que la IA ofrecerá.

Esta habilidad es esencial para orientar a los estudiantes y evitar que la IA se convierta en un sustituto acrítico del pensamiento humano.

2. Pensamiento crítico: la clave para navegar la abundancia informativa

El pensamiento crítico es una competencia central en la educación superior. Facione (2015) lo define como un conjunto de habilidades cognitivas; interpretación, análisis, inferencia, evaluación y autorregulación, que permiten tomar decisiones fundamentadas. Brookfield (2012) añade que también implica cuestionar suposiciones propias y colectivas.

En el contexto de la inteligencia artificial, esta habilidad adquiere una urgencia especial. Los modelos generativos pueden producir textos coherentes, persuasivos y verosímiles, pero no necesariamente correctos. Por ello, docentes y estudiantes deben aprender a verificar, contrastar y evaluar críticamente cada respuesta generada.

Paul y Elder (2014) recuerdan que el pensamiento crítico es inseparable de la evaluación de fuentes y del análisis lógico de argumentos. Cuando los estudiantes utilizan IA para redactar, investigar o resolver problemas, necesitan saber identificar errores, sesgos o inconsistencias. Solo así podrán construir conocimiento propio y evitar la dependencia tecnológica.

El pensamiento crítico, bien orientado, convierte a la IA en un aliado para explorar múltiples perspectivas; no en una autoridad irrefutable.

3. Resolución de conflictos: gestionar tensiones éticas y cognitivas

Tradicionalmente asociada a la convivencia interpersonal, la resolución de conflictos también abarca la capacidad de enfrentar contradicciones intelectuales y dilemas éticos. Fisher, Ury y Patton (2011) plantean que la negociación basada en intereses permite encontrar soluciones sostenibles sin imponer posiciones.

En el trabajo con IA esta habilidad es imprescindible. La universidad enfrenta nuevos tipos de conflicto:

• Contradicciones entre información generada por distintos sistemas de IA.
• Tensiones éticas sobre autoría, plagio y uso responsable.
• Conflictos cognitivos cuando la IA y el estudiante ofrecen respuestas divergentes.
• Dilemas institucionales sobre evaluación, transparencia y privacidad.

El docente que domina esta habilidad puede convertir el conflicto en una oportunidad pedagógica. En lugar de evitar la contradicción, la utiliza para analizar fuentes, comparar argumentos o discutir reglas éticas del uso de tecnología. Así, la resolución de conflictos deja de ser un mecanismo defensivo y se convierte en una herramienta para el aprendizaje crítico. Es pasar de la crítica ciega al empleo razonable, en otras palabras girar 180 grados

Conclusión: la IA no reemplaza las habilidades blandas; las exige

La inteligencia artificial no disminuye la importancia de las habilidades blandas; al contrario, la potencia. La docencia universitaria del presente y del futuro exige un profesional capaz de analizar críticamente la información, comunicarse con precisión humana y algorítmica, y gestionar tensiones que antes no existían.

Como afirma Goleman (1998), la inteligencia emocional es un pilar del liderazgo educativo. Ahora sabemos que es también un pilar del uso ético, crítico y formativo de la IA.

El reto es evidente: no basta con aprender a usar herramientas; es necesario aprender a relacionarnos con ellas desde nuestra humanidad, nuestras competencias socioemocionales y nuestra responsabilidad académica.

Y es ahí donde las habilidades blandas se convierten en el eje de una docencia contemporánea, pertinente y profundamente humana.

Referencias

Goleman, D. (1998). Working with emotional intelligence. Bantam Books.

Hargie, O. (2016). Skilled interpersonal communication: Research, theory and practice (6.ª ed.). Routledge.

Robbins, S. P., & Judge, T. A. (2019). Organizational behavior (18.ª ed.). Pearson.

Hattie, J. (2012). Visible learning for teachers: Maximizing impact on learning. Routledge.

Facione, P. A. (2015). Critical thinking: What it is and why it counts. Insight Assessment.

Brookfield, S. D. (2012). Teaching for critical thinking: Tools and techniques to help students question their assumptions. Jossey-Bass.

Paul, R., & Elder, L. (2014). The miniature guide to critical thinking: Concepts and tools (7.ª ed.). Foundation for Critical Thinking.

Fisher, R., Ury, W., & Patton, B. (2011). Getting to yes: Negotiating agreement without giving in (3.ª ed.). Penguin Books.

Rahim, M. A. (2011). Managing conflict in organizations (4.ª ed.). Transaction Publishers.

Deutsch, M., Coleman, P. T., & Marcus, E. C. (2014). The handbook of conflict resolution: Theory and practice (3.ª ed.). Jossey-Bass.

Tjosvold, D. (2008). The conflict-positive organization: It depends upon us. Journal of Organizational Behavior, 29(1), 19–28. https://doi.org/10.1002/job.473

GPT-5 en educación: un aliado menos complaciente y más estratégico para los docentes

En colaboración con Mercedes Leticia Sánchez Ambriz

Estás con prisa, escucha el pódcast desde aquí.

La llegada de GPT-5 ha suscitado un amplio debate en torno a los cambios introducidos en su diseño y funcionamiento. Entre las características más señaladas se encuentra su estilo menos adulador, más sobrio y orientado a la objetividad, tal como lo describió Pattie Maes, profesora del Instituto Tecnológico de Massachusetts, al afirmar que este ajuste evita “delirios” y la tendencia a reforzar prejuicios o confirmar opiniones de los usuarios sin sustento crítico (Maes, 2025).

Aunque esta transformación puede resultar incómoda para quienes buscan validación en sus interacciones con la inteligencia artificial, constituye, en el campo educativo, una oportunidad de gran valor (UNESCO, 2025).

En educación, los docentes enfrentan el reto constante de filtrar información, seleccionar recursos de calidad y diseñar experiencias de aprendizaje significativas para sus estudiantes. A esto se suma la exigencia de ofrecer retroalimentación individualizada, muchas veces bajo condiciones de tiempo limitado, carga administrativa y grupos heterogéneos. En este panorama, un modelo de inteligencia artificial menos complaciente y más analítico resulta de gran utilidad.

La versión del GPT-5 se distingue porque ofrece respuestas más directas, críticas y fundamentadas en datos, lo que facilita que el docente cuente con insumos confiables y adaptados a sus necesidades pedagógicas. Este apoyo permite no solo planificar clases con mayor precisión, sino también contrastar fuentes, elaborar materiales coherentes y enriquecer las discusiones en el aula. Ya no se trata únicamente de producir contenido llamativo, sino de disponer de una herramienta que ayude a validar, profundizar y enriquecer los procesos de enseñanza-aprendizaje.

De igual modo, este cambio permite superar una de las limitaciones más discutidas en versiones anteriores de la IA: la conformación de burbujas de confirmación, en las que estudiantes y profesores recibían únicamente información que reforzaba sus creencias. GPT-5, en contraste, abre la posibilidad de un uso más analítico y reflexivo, indispensable en la formación académica contemporánea, donde el pensamiento crítico y la capacidad de cuestionamiento se constituyen en competencias esenciales (Cabero-Almenara, 2022).

Beneficios concretos para los docentes

·         Retroalimentación objetiva y útil

Al dejar de lado el halago superficial, el modelo ofrece diagnósticos más claros sobre el desempeño estudiantil. Esto permite a los docentes identificar patrones de error y áreas de mejora, generando estrategias de apoyo adaptadas a las necesidades reales de sus alumnos (Maes, 2025).

·         Liberación de carga administrativa

La automatización de tareas rutinarias, como la corrección de pruebas, la elaboración de rúbricas o el análisis de resultados, libera tiempo que los docentes pueden invertir en la mediación pedagógica, el acompañamiento individual y el diseño de experiencias innovadoras (UNESCO, 2025).

·         Desarrollo profesional continuo

El carácter menos complaciente de GPT-5 también representa una ventaja para el propio desarrollo docente. Al no recibir respuestas halagadoras, los maestros se ven impulsados a cuestionar, contrastar y validar lo que la IA les ofrece. Esto fortalece competencias digitales críticas y evita la dependencia ciega de la tecnología. En consecuencia, el profesor no solo se convierte en usuario de la IA, sino en un experto capaz de evaluarla, contextualizarla y aplicarla con fines pedagógicos.

·         Acompañamiento significativo al estudiante

Cuando la IA se ocupa de las tareas inmediatas y repetitivas, el docente tiene la posibilidad de dedicarse a lo que ninguna máquina puede hacer: construir vínculos humanos, atender la dimensión socioemocional y estimular el pensamiento crítico. GPT-5, al ofrecer retroalimentaciones puntuales y objetivas, libera al profesor para centrarse en la motivación, la orientación ética y el acompañamiento integral de sus alumnos, aspectos fundamentales de la formación académica.

·         Impulso a la innovación pedagógica

Finalmente, GPT-5 abre la puerta a un impulso renovado en la innovación pedagógica. Al no centrarse en halagos superficiales, el docente puede utilizarlo como socio creativo, capaz de generar variantes de actividades, plantear escenarios críticos, proponer simulaciones o sugerir debates que promuevan aprendizajes profundos. De esta manera, el profesor deja de ser un mero consumidor de contenidos y se convierte en diseñador de experiencias educativas innovadoras.

Desafíos y condiciones necesarias

Si bien las posibilidades que ofrece GPT-5 son significativas, su incorporación en la educación no está exenta de desafíos. Uno de los más urgentes es la formación docente en competencias digitales: sin una capacitación adecuada, existe el riesgo de un uso instrumental o acrítico que limite el potencial transformador de la herramienta (UNESCO, 2025).

Asimismo, persisten problemas relacionados con la brecha digital. No todos los estudiantes ni docentes cuentan con acceso a dispositivos y conectividad de calidad, lo que genera desigualdades en el aprovechamiento de estas tecnologías. A ello se suma la necesidad de establecer marcos éticos claros para el uso de datos estudiantiles, con el fin de garantizar la privacidad y evitar sesgos algorítmicos que puedan reproducir exclusiones (Cabero-Almenara, 2022; UNESCO, 2025).

Conclusión

El tránsito hacia un modelo menos complaciente y más analítico como GPT-5 no debe entenderse únicamente como una modificación técnica, sino como un cambio con profundas implicaciones pedagógicas. Para los docentes, representa la oportunidad de planificar con mayor rigor, reducir la carga administrativa, fortalecer su desarrollo profesional, innovar en el aula y ofrecer acompañamientos más humanos y significativos a sus estudiantes.

Aprovechar estos beneficios exige formación docente, políticas de inclusión digital y marcos éticos sólidos. Solo de esta manera la IA podrá consolidarse como un complemento estratégico y no como un sustituto, manteniendo al profesorado en el papel central que le corresponde: el de mediador crítico, creativo y humano en el proceso educativo.

Referencias

Cabero-Almenara, J. (2022). Inteligencia artificial y educación: reflexiones y experiencias. Revista de Educación a Distancia, 22(70), 1–17. https://doi.org/10.6018/red.518981

Maes, P. (2025, septiembre). Declaraciones sobre GPT-5. WIRED. https://www.wired.com/story/openai-gpt-5-backlash-sam-altman/

UNESCO. (2025). Directrices sobre la inteligencia artificial en la educación: ética, inclusión y calidad. UNESCO.

Maes, P. (2025). Declaraciones a WIRED sobre GPT-5. WIRED

Nota: GPT5 es accesible para las cuentas Pro. En las gratuitas no se especifica la versión, aunque se pueden realizar numerosas tareas igual de efectivas.