Hablar de inteligencia artificial y educación empieza a parecer, al mismo tiempo, inevitable y agotador. Inevitable porque la IA ya forma parte (de manera implícita y explícita) de nuestras prácticas cotidianas de comunicación, búsqueda de información, creación, producción, evaluación, trabajo, aprendizaje y ocio. Agotador porque, en muy poco tiempo, se han multiplicado los informes, jornadas, guías, decálogos, titulares, promesas y miedos. Podría parecer que ya está todo dicho, pero quizá lo más importante sigue pendiente: pensar la IA desde una perspectiva verdaderamente educativa.
Para hacerlo, conviene empezar por una idea que a menudo se pierde en el ruido: no estamos ante una tecnología que llega desde fuera para instalarse en un mundo educativo intacto. Es lo que Carlos Magro subraya muchas veces: no podemos dar por sentada la integración de IA; hay que cuestionarla. Pero es verdad que vivimos ya en una condición postdigital. Lo digital no es una capa separada de la vida, ni una dimensión que se activa cuando encendemos un dispositivo y se desactiva cuando lo apagamos. Lo tecnológico se ha hibridado con nuestras formas de vivir. Ha dejado poso en la manera en que atendemos, leemos, escribimos, creamos, recordamos, trabajamos, nos relacionamos, nos informamos y aprendemos. Por eso, la pregunta no es simplemente cómo introducir la IA en la educación, sino cómo comprender una educación que ya se desarrolla en un mundo profundamente atravesado por tecnologías digitales y por la IA.
Esta mirada postdigital ayuda a escapar de una simplificación muy habitual: “la IA es solo una herramienta; todo depende del uso que le demos”. La frase es cómoda, tranquilizadora y, en parte, cierta. Las personas decidimos, interpretamos, damos sentido y asumimos responsabilidades. Pero también es una frase insuficiente. La IA no es un martillo ni una pizarra, ni un procesador de textos más sofisticado. No es una herramienta neutra suspendida en la nube. Es un fenómeno sociomaterial: está hecho de infraestructuras, centros de datos, energía, minerales, cadenas de suministro, trabajo humano visible e invisible, decisiones políticas, modelos de negocio, intereses geopolíticos, lenguajes, sesgos, normas, imaginarios y formas concretas de reorganizar la vida y las estructuras sociales.
Decir que “depende del uso” puede servir para recordar que no hay determinismo tecnológico; pero también puede ser peligroso si nos impide ver que los usos nunca ocurren en el vacío. Usamos tecnologías diseñadas por alguien, bajo determinadas condiciones y miradas, con determinadas finalidades y dentro de determinados ecosistemas económicos y culturales. La IA tiene efectos reales en el mundo físico: consume recursos, requiere infraestructuras, concentra poder, reorganiza trabajos, condiciona decisiones, produce dependencias y afecta a derechos fundamentales. También tiene implicaciones técnicas, sociales, éticas y medioambientales, epistemológicas, ideológicas, políticas, mercantiles y, por supuesto, educativas. No basta, por tanto, con enseñar a usarla bien. Hay que aprender a preguntarse qué mundo sostiene, qué mundo produce y qué mundo queremos construir con ella o frente a ella.
Desde esta complejidad, el debate sobre IA y educación se vuelve más interesante e… incómodo. Porque nos obliga a ir más allá del entusiasmo y del rechazo. Y, sobre todo, nos obliga a revisar una parte importante de lo que se está escribiendo y diciendo sobre el tema. Se habla mucho de ética, responsabilidad, transparencia, privacidad o sesgos. Todo ello es necesario. Pero tengo la sensación de que seguimos pensando en la IA desde una perspectiva excesivamente solucionista, mercantilista e hiperproductivista, muchas veces disfrazada de preocupación ética. ¿Cuántas veces habéis visto infografías hechas con IA sobresaturadas e hiperestimulantes sobre las implicaciones éticas de esta tecnología? ¿Y cuántas sobre las herramientas disponibles para mejorar nuestra productividad?
El solucionismo aparece cuando la IA se presenta como respuesta antes de haber formulado bien las preguntas. Se promete personalización del aprendizaje (que se confunde con la individualización), automatización de tareas docentes, generación de materiales, corrección inmediata (que es una práctica de alto riesgo y no debe hacerse), tutorización permanente, análisis predictivo del rendimiento y optimización de procesos. Algunas de estas posibilidades pueden ser útiles en determinados contextos; sería ingenua si lo negara. Pero la educación no es una colección de problemas técnicos esperando una herramienta más potente. Educar implica relación, contexto, conflicto, fricción, cuidado, tiempo, interpretación, juicio profesional y construcción compartida de sentido. Y nada de eso se resuelve simplemente añadiendo una capa algorítmica.
Considero que hay dos lógicas detrás del solucionismo. Por un lado, la lógica mercantil aparece cuando las preguntas educativas quedan subordinadas a las preguntas del mercado: qué plataforma contratamos, qué licencia compramos, qué herramienta permite ahorrar más tiempo, qué proveedor ofrece mejores funcionalidades, qué solución promete no dejarnos atrás… La IA educativa (si se puede decir esto) no está creciendo en un espacio neutral, sino en una carrera tecnopolítica, capitalista y geopolítica por dominar infraestructuras, datos, estándares, relatos y mercados. Por eso, cuando una universidad, una administración o un centro educativo decide integrar la IA, no está tomando solo una decisión técnica. También toma decisiones sobre soberanía digital, dependencia tecnológica, protección de datos, autonomía institucional y orientación de la innovación. Por otro lado, la lógica hiperproductivista aparece cuando la IA se justifica, sobre todo, por su capacidad para acelerar: hacer más materiales en menos tiempo, corregir más rápido (insisto, no se debe), resumir más documentos, producir más informes, generar más actividades, contestar más correos… automatizar más, más y más procesos. El problema no es querer aliviar cargas de trabajo reales, que existen y son muchas. El problema es que acabemos confundiendo mejora educativa con incremento de productividad. Hemos aprendido a envolver la aceleración en vocabulario ético: uso responsable, eficiencia sostenible, innovación inclusiva… pero, si no discutimos los fines, la ética corre el riesgo de convertirse en una capa superficial para seguir haciendo lo mismo, más rápido y con más dependencia tecnológica.
Quizá por eso la educación mira la IA con una mezcla de interés, ansiedad, recelo y, por qué no, miedo; y es comprensible, especialmente, en los estudios superiores de Educación. Las Facultades de Educación tenemos una gran responsabilidad: formamos al futuro profesorado y, por tanto, participamos indirectamente en la formación de todas las generaciones profesionales que vendrán después. No somos un actor más dentro del sistema. Somos un nodo estratégico para pensar cómo se aprende, cómo se enseña, cómo se evalúa y cómo se construye ciudadanía crítica en una sociedad atravesada por IA. Sin embargo, integrar la IA en la formación inicial y continua del profesorado no es sencillo. Nos cambia las reglas del juego, porque nos hace salir de la zona de confort, incluso cuando decimos que innovamos. Nos obliga a revisar prácticas que parecían estables: qué significa escribir, resolver una tarea, evaluar un aprendizaje, acompañar un proceso, autoría, qué pensamiento crítico y qué lugar ocupa el criterio docente cuando parte de la producción textual, visual o analítica puede ser mediada por sistemas automatizados.
Durante años hemos hablado de innovación educativa, competencia digital, metodologías activas, evaluación continua formativa y formadora, y transformación educativa. Pero la IA nos coloca ante una pregunta más radical: ¿estábamos transformando realmente la educación o simplemente modernizando algunas de sus formas? Porque si una estudiante puede generar un ensayo en segundos, estoy segura de que el problema no es solo cómo detectar si lo ha hecho. Tal vez la pregunta sea qué tipo de ensayo estábamos pidiendo, qué proceso queríamos provocar, qué evidencias de aprendizaje consideramos valiosas y cómo podemos diseñar experiencias educativas donde pensar importe más que entregar.
Lo mismo ocurre con la docencia universitaria. Si una IA puede generar una rúbrica, una actividad, una explicación, una presentación o una propuesta de evaluación, el valor del profesorado no desaparece, pero se desplaza y se transforma. Llevamos años diciendo que no basta con producir materiales o transmitir contenidos: el fenómeno de la IA y su integración en la educación nos ha sacado los colores y nos interpela a complejizar la tarea docente. Esa complejidad no es otra que diseñar contextos, formular buenas preguntas, acompañar procesos, sostener conversaciones, cuidar criterios, leer situaciones, decidir cuándo una tecnología aporta valor y cuándo empobrece la experiencia. La IA no elimina la pedagogía. Al contrario: cuando se integra sin pedagogía, muestra con más claridad su ausencia.
Mientras tanto, podemos observar que ocurren cosas a tres niveles. A nivel macro, las instituciones internacionales empiezan a moverse. PISA integrará en 2029 la alfabetización mediática y en inteligencia artificial. La OCDE y la Comisión Europea han impulsado el marco AILit sobre la alfabetización en IA orientado a la educación primaria y secundaria. La regulación europea, por su parte, ya introduce la alfabetización en IA como una obligación relevante para quienes proveen y despliegan sistemas de IA. Estos movimientos indican que la alfabetización en IA deja de ser un interés especializado y empieza a reconocerse como una dimensión vital para la ciudadanía crítica.
Pero que algo entre en un marco internacional no significa que automáticamente entre bien en las aulas. Las políticas pueden orientar, crear lenguaje común y legitimar prioridades, pero no sustituyen el trabajo pedagógico situado. Un marco competencial no transforma por sí solo la formación docente (ya lo hemos vivido con el marco DigComp de la competencia digital durante años); y me temo que una prueba internacional tampoco resolverá el sentido del currículo. Por su parte, la regulación tampoco garantiza una cultura crítica. El nivel macro es necesario, pero necesita dialogar con lo que ocurre en las instituciones, en los centros, en las aulas y en las decisiones cotidianas del profesorado y del alumnado.
En el nivel meso, muchas universidades, redes y centros educativos están empezando a pensar estrategias de gobernanza de la IA. Y esta palabra, gobernanza, es clave. Porque la integración de la IA no puede depender únicamente de la curiosidad, la prudencia, el entusiasmo o el miedo de cada docente. Necesita condiciones institucionales, criterios compartidos, infraestructuras, formación, espacios de reflexión y deliberación, apoyo técnico, jurídico, ético y pedagógico. También necesita investigación y transferencia, políticas claras sobre datos, privacidad, evaluación, autoría y usos aceptables. Eso no significa únicamente redactar una guía de uso o decidir qué herramientas están permitidas. Significa preguntarse qué ecosistema educativo-pedagógico, tecnológico y ético queremos construir. También implica discutir si apostamos por infraestructuras propias o por plataformas comerciales, qué dependencias aceptamos, qué datos exponemos, qué capacidades internas desarrollamos y cómo evitamos que la transformación digital se reduzca a comprar licencias. Una universidad no se vuelve más innovadora por contratar más herramientas. Se vuelve más responsable cuando es capaz de alinear sus decisiones tecnológicas con su misión educativa y social. El nivel meso también debe abordar el rediseño de los procesos de enseñanza y aprendizaje. No basta con añadir una declaración sobre IA en las guías docentes. Hay que revisar tareas, metodologías, criterios de evaluación y formas de acompañamiento. También hay que decidir cuándo tiene sentido usar IA, desde la pertinencia didáctica, como objeto de estudio y cuándo como herramienta. Hay que distinguir entre aprender sobre IA, aprender con IA y aprender en un mundo con IA. Hay que formar al profesorado para usar aplicaciones, pero también para tomar decisiones pedagógicas informadas, críticas y contextualizadas.
Y después está el nivel micro: el personal, el profesional, el del día a día. Ahí, como en tantos otros debates sociales, tendemos a polarizarnos: o abrazamos la IA como promesa inevitable o la detestamos como amenaza absoluta. En un extremo, el entusiasmo acrítico ve en la IA una oportunidad para innovar, ahorrar tiempo, personalizar, producir y no quedarse atrás; y en el otro, el rechazo absoluto la interpreta como una amenaza para la autoría, el pensamiento, la evaluación, la privacidad, el trabajo docente o la justicia social. Ambos extremos tienen razones parciales, pero ninguno basta. Necesitamos salir de esa polarización en bucle. Ni fascinación ni rechazo: criterio. Y el criterio se educa. No aparece espontáneamente por tener acceso a una herramienta ni por prohibirla. Requiere conocimientos, habilidades y actitudes. Conocimientos para comprender, al menos de forma básica, qué es la IA, cómo funcionan estos sistemas, qué hacen y qué no hacen, de dónde salen sus resultados y qué límites tienen (alfabetización en IA). Habilidades para usarlos cuando aportan valor, evaluar sus respuestas, proteger datos, contrastar información, formular buenas preguntas y diseñar procesos de aprendizaje significativos (competencia digital). Actitudes para actuar con prudencia, curiosidad, responsabilidad, justicia, conciencia crítica y sensibilidad hacia los impactos sociales y ambientales (perspectiva crítica y ética). La competencia clave no será usar IA siempre. Será saber cuándo no usarla. Y, cuando se use, saber por qué, para qué, bajo qué condiciones y con qué consecuencias. Esta idea es tremendamente importante en educación, porque el objetivo no debería ser formar usuarios obedientes de sistemas inteligentes, sino personas capaces de tomar decisiones sobre esos sistemas.
Por eso, todos los niveles importan: el macro, el meso y el micro. Hay que acompasarlos. Necesitamos construir coherencia entre regulación, institución, práctica docente y sentido educativo, con liderazgo. Esto implica recordar que la finalidad no es adaptar la educación a la IA, sino educar para que la IA no se desarrolle al margen de la democracia, la justicia social y la vida común. La pregunta de fondo no es qué puede hacer la IA por la educación, sino qué debe hacer la educación ante una sociedad que ya está siendo reorganizada por la IA.
Desde las universidades, esta pregunta nos interpela de lleno. Nos toca responder a nuestra función como catalizadoras de cambios sociales. Y eso implica investigar, sí; pero también transferir conocimiento, acompañar a instituciones, dialogar con centros educativos, formar profesionales, revisar nuestra propia docencia y divulgar de manera clara. La universidad no puede limitarse a observar el fenómeno desde fuera, ni a reproducir el relato de que la IA viene a revolucionarlo todo mágicamente. Tenemos la responsabilidad de complejizar el debate público, desmontar simplificaciones y ofrecer marcos para comprender y avanzar. También tenemos la responsabilidad de formar a generaciones que trabajarán rodeadas de IA. Algunas ejercerán profesiones que hoy apenas imaginamos. Otras desempeñarán trabajos conocidos, pero profundamente transformados. En cualquier caso, necesitarán competencias para tomar decisiones en contextos mediados por sistemas algorítmicos. No solo competencias técnicas, sino también digitales, críticas, éticas, comunicativas, políticas y pedagógicas. La IA no afectará únicamente a quienes programen IA: afectará a docentes, periodistas, sanitarias, juristas, ingenieras, trabajadoras sociales, artistas, administraciones públicas, empresas, familias y ciudadanía. Y aquí la educación tiene una tarea insustituible: evitar que la sociedad se crea el cuento de la revolución automática. La IA no viene a salvar la educación, ni a destruirla inevitablemente. Es un fenómeno complejo, postdigital y sociomaterial, que debemos comprender, disputar y orientar para construir.
Si algo se transforma, lo transformarán las personas. Quizá por eso el gran reto no sea integrar la inteligencia artificial en la educación. El reto es construir una educación capaz de formar a personas que no solo vivan en una sociedad con IA, sino que participen en la construcción de una sociedad —y también de una IA— más justa, equitativa, sostenible, pedagógica y humana. Yo lo tengo claro: la IA no revolucionará mágicamente la educación. Esa promesa pertenece más al marketing tecnológico que al pensamiento pedagógico. La revolución, si merece ese nombre, dependerá de nuestras decisiones colectivas: de qué enseñamos, qué evaluamos, qué investigamos, qué regulamos, qué compramos, qué rechazamos, qué imaginamos y qué cuidamos. En definitiva, dependerá de si somos capaces de poner la inteligencia humana, social y pedagógica por delante de la inteligencia artificial.
Acerca de la autora
Amaia Arroyo Sagasta es profesora e investigadora de la Facultad de Humanidades y Ciencias de la Educación (HUHEZI) de Mondragon Unibertsitatea y coordinadora de la mención Innovación Digital del Grado de Educación Primaria. También es Doctora en Comunicación y Educación por la Universidad Nacional de Educación a Distancia, con Premio Extraordinario de Doctorado. Tiene un máster en Comunicación y Educación en la Red en la UNED y un máster en Educación TIC en Mondragon Unibertsitatea. Durante cerca de 20 años ha formado al profesorado en el uso pedagógico de la tecnología digital.
Referencias:
Arroyo-Sagasta, A. & Magro, C. (2026). Cuando evaluar es aprender. Evaluación auténtica para una educación centrada en el alumnado. In J.M. Muñoz, N. Lorenzo, X. Suñé, M.A. Prats & C. López (coords.) ODITE 2026: Claves para una nueva educación en la era de la IA. pp. 42-29. https://ciberespiral.org/es/download/23047/?tmstv=1781710592
Bilbao-Eraña, A . & Arroyo-Sagasta, A. (2025). Fostering AI literacy in pre-service teachers: impact of a training intervention on awareness, attitude and trust in AI. Frontiers in Education, 10, 1668078. https://doi.org/10.3389/feduc.2025.1668078
Castañeda, L., Postigo-Fuentes, AY., & Arroyo-Sagasta, A. (2025). Beyond Tools, Toward Power Structures: A Critical Review of AI in Primary Education. Revista Española de Educación Comparada, 48, 73-95. https://doi.org/10.5944/reec.48.2025.45126
Comisión Europea. (2025, 19 de noviembre). Alfabetización en IA: Preguntas y respuestas. Configurar el futuro digital de Europa. https://digital-strategy.ec.europa.eu/es/faqs/ai-literacy-questions-answers
Cosgrove, J., & Cachia, R. (2025). DigComp 3.0: European Digital Competence Framework (5th ed.). Publications Office of the European Union. https://data.europa.eu/doi/10.2760/0001149
Organization for Economic Co-operation and Development. (s. f.). PISA 2029 media and artificial intelligence literacy. OECD. OECD. https://www.oecd.org/en/about/projects/pisa-2029-media-and-artificial-intelligence-literacy.html
Organization for Economic Co-operation and Development, & European Commission. (2026). Empowering learners for the age of AI: An AI literacy framework for primary and secondary education. AILit Framework. https://ailiteracyframework.org/
