La Inteligencia Artificial ya forma parte de la vida cotidiana de nuestros estudiantes. Está presente en las plataformas que les recomiendan canciones, el teléfono que reconoce su rostro, la red social que selecciona el contenido que aparece en pantalla o cuando una herramienta genera un texto a partir de unas pocas instrucciones.
Para muchos adolescentes, la Inteligencia Artificial no es una tecnología del futuro. Es parte de su presente.
Y esto nos plantea un desafío importante a quienes estamos frente a las aulas: ¿cómo debemos enseñar Inteligencia Artificial en la escuela?
La pregunta parece sencilla, pero en realidad nos obliga a revisar muchas de las formas en las que tradicionalmente hemos enseñado tecnología.
Durante los últimos años hemos visto cómo las instituciones educativas comenzaron a incorporar herramientas de IA generativa, especialmente aquellas capaces de producir textos, imágenes, presentaciones, videos o código.
Asimismo, en paralelo, surgieron propuestas centradas en aprender a escribir mejores prompts o en enseñar a los estudiantes a utilizar determinadas plataformas.
Aunque, todas estas experiencias pueden ser valiosas, existe un riesgo:
Que terminemos confundiendo educación en Inteligencia Artificial con capacitación en herramientas de Inteligencia Artificial.
Y no son lo mismo. Porque la IA va más allá de conocer una simple plataforma.
Es por ello que, he querido compartir este artículo, puesto que las competencias que necesitamos desarrollar en nuestros estudiantes son mucho más permanentes.
Tabla de contenidos
La escuela no necesita enseñar la IA de moda
Desde mi experiencia como docente y diseñadora instruccional, considero que el punto de partida no debería ser preguntarnos qué herramienta de IA vamos a enseñar. La primera pregunta debería ser:
¿Qué queremos que nuestros estudiantes sean capaces de hacer, comprender y decidir frente a la Inteligencia Artificial?
Esta diferencia es fundamental y aquí vamos a aprender cómo.
Cuando una institución decide incorporar Inteligencia Artificial, es habitual comenzar por las herramientas.
Se piensa en qué chatbot utilizar, que generadores de imágenes enseñar, cuáles plataformas permite crear videos o qué aplicación puede utilizarse para elaborar actividades.
Pero desde el diseño instruccional el proceso debería comenzar en otro lugar. Ya que, estamos hablando de una herramienta revolucionaria que cambia la forma de desenvolvernos como lo habíamos hecho hasta ahora.
Es por ello que, antes de empezar el contenido programático, primero necesitamos: definir las competencias que queremos desarrollar. Luego determinar qué conocimientos necesitan los estudiantes. Posteriormente, diseñar las experiencias que les permitirán construir esos aprendizajes y establecer cómo vamos a evaluar lo aprendido. Y solo después tiene sentido seleccionar las herramientas tecnológicas.
Es decir, debemos ver a la IA como una herramienta al servicio del aprendizaje y no convertirse en el aprendizaje.
Esta mirada coincide con el enfoque propuesto por UNESCO en su Marco de competencias para estudiantes en materia de IA. El documento plantea:
una progresión que va desde comprender, pasando por aplicar, hasta llegar a crear, y organiza las competencias en cuatro dimensiones: una mentalidad centrada en el ser humano, ética de la IA, técnicas y aplicaciones de IA y diseño de sistemas de IA.
Este enfoque resulta especialmente interesante, porque nos permite pensar la enseñanza de IA como un proceso que acompaña el crecimiento de los estudiantes.
Y es razonable, porque no tendría demasiado sentido que un adolescente de primer año y uno de sexto recibieran prácticamente los mismos contenidos sobre Inteligencia Artificial. El aprendizaje debería avanzar con ellos.
Antes de enseñar Inteligencia Artificial, necesitamos enseñar a mirar
Al diseñar una asignatura de IA desde cero, no deberíamos empezar hablando de ChatGPT, modelos de lenguaje o inteligencia artificial generativa.
Desde mi experiencia, considero que resulta lógico comenzar con una pregunta mucho más sencilla:
¿Dónde hay Inteligencia Artificial en nuestra vida cotidiana?
Los estudiantes que inician el secundario pueden descubrir que interactúan con sistemas de IA mucho antes de abrir un chatbot.
Cuando una plataforma les recomienda una película, un videojuego adapta su dificultad, una aplicación reconoce una voz o una red social decide qué publicaciones mostrarles, existe una IA detrás de un sistema para procesar información y toma determinadas decisiones.
Este primer acercamiento es muy importante porque permite romper una idea bastante extendida, que la Inteligencia Artificial es solamente un robot humanoide o un chatbot que lo sabe todo.
Y aquí aparece uno de los principios que considero esenciales para diseñar contenidos de IA:
Primero debemos generar significado y después incorporar terminología.
Es decir, el estudiante necesita comprender qué está ocurriendo antes de memorizar cómo se llama esa tecnología.
Comprender cómo aprenden las máquinas
Una de las dificultades de enseñar Inteligencia Artificial en secundaria es que muchos de sus conceptos pueden resultar abstractos.
Hablar de modelos, datos de entrenamiento, clasificación o aprendizaje automático puede convertirse rápidamente en una explicación teórica difícil de conectar con la realidad.
Por eso, una buena estrategia es recurrir al aprendizaje experiencial y la indagación guiada, ya que es una metodología que permite a los estudiantes experimentar, formular hipótesis, ponerlas a prueba y construir explicaciones a partir de sus propios resultados. Incluso podemos comenzar sin utilizar computadoras.
La propuesta puede desarrollarse en cinco pasos y lo voy a demostrar con un sencillo ejemplo:
1. Explorar el problema
Podemos presentar una serie de imágenes e invitamos a los estudiantes a identificar características comunes y proponer criterios para clasificarlas.
2. Construir las reglas
Luego, un grupo tendrá que establecer criterios de clasificación, mientras otro intentará descubrirlos a partir de los ejemplos recibidos.
Esta sencilla actividad permite experimentar cómo se reconocen patrones y se construyen criterios a partir de la información disponible.
3. Poner a prueba lo aprendido
Posteriormente, incorporamos nuevas imágenes que no estaban contempladas al inicio a fin de evaluar si: ¿Los estudiantes consiguen clasificarlas correctamente? ¿Qué sucede cuando aparecen ejemplos diferentes de los que utilizaron para descubrir las reglas?
4. Analizar los errores
Si la clasificación falla, en lugar de corregir inmediatamente el resultado, invitamos a los estudiantes a investigar las causas. ¿Había suficientes ejemplos? ¿Los criterios eran adecuados? ¿La selección inicial favorecía alguna categoría? ¿Es posible obtener un resultado incorrecto incluso cuando se aplican correctamente las reglas establecidas?
5. Conectar la experiencia con la Inteligencia Artificial
A partir de las conclusiones, introducimos conceptos como datos de entrenamiento, patrones, clasificación, generalización, errores y sesgos.
De esta manera, los estudiantes pueden relacionar lo que experimentaron con algunos de los principios del aprendizaje automático.
Vemos como, a través de una experiencia sencilla, podemos abordar conceptos fundamentales sin comenzar por definiciones complejas. Y, sobre todo, enseñar una idea esencial:
una IA no es mágica.
Sus resultados dependen de los datos, los modelos y los procesos mediante los cuales se desarrolla y utiliza.
Esta comprensión será fundamental cuando los estudiantes comiencen a trabajar con herramientas de IA generativa, porque les permitirá adoptar una actitud más crítica, evaluar los resultados que reciben y reconocer que estas tecnologías también tienen limitaciones.
Enseñar IA también significa enseñar a desconfiar
Quizás una de las competencias más importantes que debemos desarrollar actualmente sea la capacidad de cuestionar las respuestas producidas por una Inteligencia Artificial.
La IA generativa tiene una característica que puede resultar especialmente problemática en educación: puede equivocarse y, al mismo tiempo, responder con enorme seguridad.
Una respuesta puede estar muy bien escrita y ser incorrecta. Es decir, la IA puede presentar información falsa con apariencia de verdad. Es capaz hasta de inventar referencias y a veces omite datos importantes.
Además, no debemos olvidar que, puede reproducir sesgos presentes en los datos con los que fue entrenada.
Por eso, una actividad educativa muy poderosa debe consistir en dejar de utilizar la IA solamente como generadora de respuestas y convertirla en objeto de análisis.
Podemos pedirle que responda una pregunta y entregar esa respuesta a los estudiantes.
La tarea no será copiarla. Tampoco será determinar simplemente si «está bien o está mal».
Los estudiantes deberán investigar, contrastar fuentes, identificar afirmaciones que necesitan verificación y reconstruir la respuesta.
En ese momento estamos enseñando mucho más que Inteligencia Artificial. Estamos desarrollando pensamiento crítico.
Y esta perspectiva está muy relacionada con el enfoque de UNESCO, que propone que los estudiantes desarrollen la capacidad de evaluar de manera crítica los resultados de los sistemas de IA, valorar su confiabilidad y comprender cuándo resulta apropiado utilizarlos.
El prompting no debería ser el único objetivo
Actualmente existe mucho interés en enseñar prompt engineering. Y tiene sentido. Saber formular instrucciones claras puede mejorar considerablemente la interacción con determinadas herramientas.
Pero, me preocupa cuando la enseñanza de IA se reduce a aprender fórmulas para escribir prompts.
Porque podemos enseñar a un estudiante una estructura perfecta para solicitarle algo a una IA y, sin embargo, no haberle enseñado a pensar sobre aquello que está solicitando.
Un buen prompt comienza mucho antes de escribirlo. Comienza cuando somos capaces de:
1. Definir el problema
Antes de utilizar una IA, los estudiantes deben identificar qué necesitan resolver y qué objetivo quieren alcanzar. El desafío es que aprendan a reconocer una necesidad y transformarla en un problema concreto.
2. Planificar la solicitud
Una vez definido el problema, deben determinar qué información requiere la herramienta, bajo qué contexto, cuáles condiciones deben respetarse y qué características presentará el resultado esperado.
3. Diseñar diferentes prompts
Podemos presentar un mismo desafío a varios grupos y pedirles que elaboren instrucciones diferentes para resolverlo.
Cada equipo debe justificar sus decisiones y explicar cómo espera que esas instrucciones orienten la respuesta de la IA.
4. Comparar y evaluar los resultados.
Después de probar los prompts, los grupos deben analizar las respuestas obtenidas.
¿Por qué una fue más útil que otra? ¿Qué información faltaba? ¿Qué contexto proporcionó cada equipo? ¿Se respetaron las restricciones? ¿Qué criterios utilizaron para determinar la calidad del resultado?
De esa manera demostramos que, enseñar a formular prompts está vinculado a algo más amplio: enseñar a formular problemas y comunicar intenciones.
Por lo que, el prompting deja de ser una colección de trucos y se transforma en una oportunidad para desarrollar pensamiento estructurado.
La ética no puede ser el último tema del programa
Existe otra área que considero indispensable.
La ética de la Inteligencia Artificial no debería aparecer al final del año como una unidad titulada «Uso responsable de la IA». Debe estar presente desde el primer día.
Cada vez que un estudiante utiliza una herramienta de IA está tomando decisiones. Por eso, cada vez que interactúan con esta herramienta, deben preguntarse:
- ¿Qué información comparte?
- ¿Incluye datos personales?
- ¿Utiliza la imagen de otra persona?
- ¿Presenta como propio un contenido generado por una herramienta?
- ¿Comprueba la información obtenida?
- ¿Es consciente de que un sistema puede reproducir sesgos?
- ¿Comprende qué consecuencias podría tener utilizar determinada tecnología?
Estas preguntas no son complementarias. Son parte del aprendizaje.
El marco de UNESCO coloca la ética como una de las cuatro dimensiones fundamentales de las competencias en IA y propone una perspectiva centrada en el ser humano, vinculada con valores como la inclusión, la justicia, la responsabilidad y la sostenibilidad.
y esto, por supuesto que también cambia nuestra manera de diseñar actividades.
Si queremos que los estudiantes desarrollen una solución utilizando IA, no deberíamos preguntar solamente: ¿Funciona?
También necesitamos preguntar:
- ¿Es apropiada?
- ¿Es segura?
- ¿Para quién funciona?
- ¿A quién podría perjudicar?
- ¿Qué datos necesita?
- ¿Qué decisiones deberían seguir siendo humanas?
Estas preguntas pueden formar parte del proyecto desde su inicio.
De consumidores de IA a creadores
Uno de los objetivos más interesantes del marco de UNESCO es avanzar hacia estudiantes capaces no solamente de utilizar sistemas de IA, sino también de participar en su diseño y creación.
Esto no significa que todos nuestros estudiantes deban convertirse en especialistas en aprendizaje automático.
Crear con IA puede significar diseñar una solución para un problema real.
Imaginemos que un grupo identifica una problemática dentro de su escuela: desperdicio de recursos, dificultades de accesibilidad, desinformación, organización del estudio, convivencia o uso inadecuado de la tecnología.
El primer paso no debería ser abrir una herramienta de IA. En lugar de ello, deberán:
- Investigar el problema.
- Comprender a quién afecta.
- Analizar posibles soluciones.
Y solamente después preguntarse:
¿La Inteligencia Artificial puede aportar algo?
Incluso puede ocurrir que la respuesta sea no. Y eso también representa un aprendizaje importante.
Porque enseñar Inteligencia Artificial no significa enseñar que la IA debe utilizarse para todo. Significa enseñar a decidir cuándo aporta valor y cuándo no.
Diseñar una asignatura de IA requiere pensar en una progresión
Como diseñadora instruccional, uno de los aspectos que más cuido es la progresión de los aprendizajes. No podemos llenar un programa con temas independientes y esperar que, al finalizar el año, los estudiantes hayan desarrollado competencias reales.
Aprender Inteligencia Artificial requiere avanzar gradualmente, relacionando los conocimientos nuevos con los anteriores y aumentando la complejidad de las actividades a medida que los estudiantes desarrollan nuevas capacidades.
Por eso, al diseñar una asignatura de IA para secundaria, considero fundamental establecer una progresión que acompañe el desarrollo de los estudiantes a lo largo de los distintos años escolares.
Esta progresión puede organizarse en cinco etapas.
1. Reconocer
En los primeros años, el objetivo debe centrarse en identificar la presencia de la IA, conocer sus aplicaciones y comenzar a distinguirla de otras tecnologías. La enseñanza parte de situaciones cercanas que despierten la curiosidad y permitan formular preguntas.
2. Comprender
Una vez establecido ese primer acercamiento, podemos introducir conceptos fundamentales para el desarrollo del pensamiento computacional, como datos, algoritmos, patrones y clasificación. Lo importante no es memorizar definiciones, sino construir explicaciones sencillas sobre cómo funcionan determinados sistemas.
3. Experimentar
El siguiente paso consiste en llevar esos conocimientos a la práctica. Los estudiantes pueden clasificar información, entrenar modelos sencillos, experimentar con herramientas generativas y explorar procesos de automatización. Así comienzan a relacionar los conceptos con experiencias concretas.
4. Evaluar
A medida que adquieren experiencia, necesitan desarrollar criterios para analizar los resultados que produce la IA. Esto implica examinar su calidad, identificar errores y sesgos, considerar la privacidad y reflexionar sobre las consecuencias éticas y sociales de su utilización.
5. Crear
En los últimos años, podemos proponer proyectos en los que los estudiantes diseñen soluciones para problemas reales de su entorno. Para ello, integrar la IA con conocimientos de programación, análisis de datos, robótica, diseño o comunicación, según los objetivos del proyecto y los recursos disponibles.
Esta organización no significa que cada etapa deba limitarse a un único año escolar. Por el contrario, los aprendizajes deben retomarse y profundizarse progresivamente, adaptando las actividades a la edad, los conocimientos previos y la autonomía de los estudiantes.
Desde la perspectiva del diseño instruccional, esto supone planificar no solo qué contenidos se enseñarán, sino también qué capacidades se espera desarrollar, qué experiencias permitirán alcanzarlas y cómo se evaluarán los avances.
La progresión podría resumirse de una manera muy sencilla:
Primero reconocer, después comprender, luego experimentar, más adelante evaluar y finalmente crear.
Esta lógica coincide con la fundamentación de la Taxonomía Bloom, porque una asignatura de Inteligencia Artificial no debería ser una sucesión de herramientas que los estudiantes aprenden a utilizar.
Debe ser un recorrido formativo que les permita pasar de ser usuarios de la tecnología a convertirse en personas capaces de analizarla, cuestionarla y utilizarla para diseñar soluciones con sentido.
La enseñanza de inteligencia artificial como una propuesta interdisciplinaria
En secundaria, el docente de IA puede ocupar un lugar central porque posee conocimientos relacionados con algoritmos, programación, sistemas, datos y pensamiento computacional.
Sin embargo, la Inteligencia Artificial no es solamente programación. También involucra lenguaje, matemática, ciencias, arte, ciudadanía, comunicación, ética y sociedad. Por eso, una propuesta realmente enriquecedora para la escuela debería promover el trabajo interdisciplinario.
1. Integrar la IA en distintas áreas del conocimiento
Cada asignatura puede aportar una perspectiva diferente para comprender y utilizar la IA.
La profesora de Lengua puede trabajar cómo cambia la producción textual con IA, analizar los textos generados y reflexionar sobre la autoría y la verificación de la información.
Matemática puede abordar el análisis de datos, la estadística y las probabilidades, ayudando a los estudiantes a comprender algunos de los fundamentos que permiten desarrollar y evaluar sistemas de IA.
Ciencias puede explorar las aplicaciones de la IA en la investigación científica, desde el análisis de información hasta el reconocimiento de patrones y la elaboración de predicciones.
Arte puede abordar la creación asistida por IA, la autoría, los derechos de los creadores y las nuevas formas de producción artística.
Por su parte, Tecnología e Informática pueden profundizar en algoritmos, programación, datos, automatización y diseño de soluciones que incorporen IA.
2. Diseñar experiencias de aprendizaje compartidas
La interdisciplinariedad no consiste únicamente en que cada docente utilice una herramienta de IA en su asignatura. Implica diseñar experiencias en las que los conocimientos de distintas áreas se complementen para abordar un problema común.
Por ejemplo, los estudiantes pueden desarrollar una campaña de concientización sobre el cuidado del ambiente utilizando IA. Desde Ciencias investigan el problema; desde Lengua elaboran los mensajes; desde Arte diseñan las piezas visuales; y desde Informática exploran herramientas digitales, analizan los resultados y organizan el proyecto.
De esta manera, la IA se convierte en un recurso para integrar conocimientos, resolver problemas y crear propuestas con sentido para los estudiantes.
3. Convertir la IA en una competencia transversal
Esta perspectiva permite superar la idea de que la Inteligencia Artificial es exclusivamente responsabilidad del docente de Informática.
El especialista en IA puede asumir un papel articulador, aportando conocimientos tecnológicos y colaborando con otros docentes en el diseño de experiencias interdisciplinarias. Cada área, a su vez, contribuye desde sus propios contenidos, objetivos y criterios de evaluación.
La IA deja de ser entonces «el tema de la profesora de Informática» y se convierte en una competencia que atraviesa la formación del estudiante.
No todos los estudiantes necesitan convertirse en especialistas en IA
También debemos evitar el otro extremo. En ocasiones parece que enseñar Inteligencia Artificial significa enseñar Python, redes neuronales, machine learning o construcción de modelos.
Estos conocimientos son importantes, pero la educación secundaria tiene una responsabilidad más amplia. Necesitamos formar ciudadanos capaces de convivir con sistemas de IA.
Un estudiante que mañana se convierta en médico necesitará comprender las implicaciones de utilizar sistemas automatizados. Un futuro abogado tendrá que enfrentarse a herramientas de análisis documental. El diseñador trabajará probablemente con herramientas generativas.
Es decir, un profesional de cualquier área necesitará tomar decisiones en un mundo atravesado por algoritmos.
Por eso, la alfabetización en IA no debería confundirse con formar desarrolladores de IA.
Necesitamos formar ciudadanos capaces de comprender y cuestionar la tecnología que utilizan.
El verdadero desafío no es enseñar a utilizar IA, sino enseñar a decidir
Quizás esta sea la idea que más necesitamos recuperar. Durante años, la educación tecnológica estuvo muy relacionada con aprender a utilizar herramientas.
Ahora estamos entrando en una etapa diferente. Nuestros estudiantes necesitan aprender a tomar decisiones sobre la tecnología.
Una IA puede generar una respuesta, pero no puede asumir por nosotros la responsabilidad de utilizarla.
Puede crear una imagen, pero nosotros debemos decidir qué representa. Es capaz de redactar un texto, pero nosotros debemos determinar si es correcto.
Analiza datos, pero nosotros debemos valorar las consecuencias de utilizar ese análisis para tomar una decisión.
Puede sugerir una solución, pero nosotros debemos evaluar si esa solución es apropiada.
Por eso, enseñar IA necesita mantener al ser humano en el centro.
La pregunta no es qué IA enseñar, sino qué personas queremos formar
La Inteligencia Artificial continuará cambiando. Dentro de algunos años probablemente utilizaremos herramientas que hoy todavía no existen.
Por eso, sería un error construir una propuesta educativa basada exclusivamente en las plataformas disponibles en este momento.
Lo que necesitamos construir son competencias que puedan acompañar a nuestros estudiantes durante toda su vida.
Que sean capaces de:
- Comprender cómo funcionan los sistemas.
- Analizar sus resultados.
- Reconocer sus limitaciones.
- Proteger sus datos.
- Identificar sesgos.
- Cuestionar información.
- Crear soluciones.
- Y por supuestos que sepan trabajar con IA sin depender completamente de ella.
Pero, sobre todo, que puedan tomar decisiones responsables.
Desde la mirada de una diseñadora instruccional, ese debería ser el punto de partida de cualquier propuesta de Inteligencia Artificial para secundaria. No comenzar por la herramienta, ni por el prompt, mucho menos por la IA de moda.
Debemos comenzar por el estudiante.
Preguntarnos qué necesita aprender, qué experiencias pueden ayudarlo a desarrollar esas competencias y qué papel puede ocupar la Inteligencia Artificial dentro de ese proceso.
¿Por qué?, porque la tecnología puede cambiar, las plataformas pueden desaparecer y los modelos van a evolucionar. Pero, si conseguimos que nuestros estudiantes desarrollen pensamiento crítico, creatividad, capacidad de análisis, criterio ético y autonomía para tomar decisiones, estaremos haciendo algo mucho más importante que enseñarles a utilizar una herramienta.
Estaremos preparándolos para vivir en una sociedad en la que la Inteligencia Artificial será cada vez más presente.
Y quizás este sea el verdadero propósito de enseñar inteligencia artificial en secundaria:
No formar estudiantes que exclusivamente sepan usar la Inteligencia Artificial, sino personas capaces de decidir qué hacer con ella, cuándo utilizarla, cuándo cuestionarla y decidir cuando no la necesitan.
Porque educar en Inteligencia Artificial no significa entregar el pensamiento humano a las máquinas. Significa preparar a las nuevas generaciones para utilizar una tecnología cada vez más poderosa sin renunciar a aquello que nos hace responsables de nuestras propias decisiones.
