INTRODUCCIÓN

Entre 2024 y 2025, la formación docente ha atravesado una transformación acelerada: se pasó de talleres de «alfabetización digital» hacia programas explícitos centrados en inteligencia artificial (IA). Este cambio responde tanto a exigencias globales —recomendaciones de UNESCO, OECD y otros organismos— como a realidades locales, donde la presión del aula exige respuestas concretas.

Organismos internacionales recomiendan una adopción humano-centrada de la IA, integrada con principios de ética, transparencia, equidad y derechos humanos. El reporte Trends Shaping Education 2025 de la OECD advierte sobre el riesgo de que aumenten desigualdades si no se regula el acceso y se asegura formación docente robusta. En la Unión Europea, el AI Act (en vigor desde agosto de 2024) establece la obligatoriedad de alfabetización en IA (AI literacy) para quienes desplieguen estos sistemas en instituciones públicas a partir de febrero de 2025, lo que está impulsando agendas de capacitación y gobernanza en el sector educativo.

En España, el Instituto Nacional de Tecnologías Educativas y de Formación del Profesorado (INTEF) publicó en julio de 2024 la Guía sobre el uso de la IA en el ámbito educativo, con pautas para alumnado, profesorado y centros (privacidad, sesgos, usos pedagógicos y ejemplos). Esta guía se articula con el Marco de Referencia de la Competencia Digital Docente (MRCDD), que ya se utiliza para orientar la formación continua del profesorado.

En paralelo, el AI Literacy Framework (OCDE–Comisión Europea, 2025, en borrador) redefine las expectativas curriculares: no basta con «usar IA», es necesario comprender algoritmos, identificar sesgos y diseñar tareas que promuevan pensamiento crítico, creatividad y responsabilidad.

No obstante, muchos programas siguen siendo opcionales, la infraestructura tecnológica es desigual y la regulación específica aún incipiente. Factores como el acceso a modelos avanzados, la preparación para evaluaciones justas y la confianza de docentes y alumnado varían entre comunidades y entre instituciones con mayor o menor financiamiento.

El propósito de esta narrativa es recuperar experiencias profesionales y académicas recientes con IA en formación docente, para explorar los sentidos que emergen: por qué algunas prácticas innovan, qué temores surgen en escenarios más precarios y cómo se vive la tensión entre eficiencia y justicia educativa. En este marco, se subrayan dos fuerzas en tensión: la promesa de mejorar enseñanza y aprendizaje —con personalización y retroalimentación inmediata— frente a la necesidad de gobernanza, ética y equidad que evite que la IA profundice desigualdades.

DESARROLLO

La inteligencia artificial (IA) está transformando el perfil profesional docente de manera profunda. Hasta hace poco, la expectativa principal era el dominio disciplinar y la transmisión de contenidos. Hoy, con la irrupción de sistemas generativos y adaptativos, el rol se expande hacia funciones más complejas: la curaduría de información en un contexto de sobreabundancia, el diseño de tareas que obliguen a evidenciar procesos y la mediación ética frente a algoritmos no siempre transparentes. En otras palabras, se espera que el profesorado enseñe a sus estudiantes a pensar con IA, sobre la IA y contra la IA cuando sea necesario.

Este cambio redefine competencias clave. La alfabetización informacional ahora incluye la capacidad de interrogar modelos de lenguaje, interpretar sesgos y validar respuestas. La evaluación empieza a desplazarse hacia el análisis del proceso: ¿qué pidió el o la estudiante a la IA?, ¿qué filtros aplicó?, ¿qué aportó de su propio juicio? La ética se convierte en práctica cotidiana: decidir cuándo es legítimo usar IA, cómo reconocerla en tareas y cómo proteger datos personales.

Sin embargo, el tránsito no ocurre de forma homogénea. En entornos urbanos con acceso estable a tecnología, el personal docente ya explora usos de la IA en planificación y retroalimentación. En contraste, en comunidades rurales o con menos recursos, la IA sigue siendo un fenómeno distante. Esto genera una doble presión: profesorado que siente la urgencia de ponerse al día y sistemas que no siempre ofrecen tiempo institucional ni marcos claros de apoyo.

La literatura reciente confirma que la oferta de capacitación crece, pero de manera desigual. En Europa, el AI Act ya marca un estándar vinculante de alfabetización en IA (AI literacy) para el sector público, mientras que en España iniciativas como el Marco de Referencia de la Competencia Digital Docente (MRCDD) y la Guía sobre el uso de la IA en educación del INTEF (2024) empiezan a orientar la formación y acompañamiento del profesorado. Sin embargo, la implantación práctica es todavía parcial: muchos programas siguen siendo voluntarios, cortos y sin continuidad, lo que limita su impacto real en la práctica de aula. En este contexto, la reconfiguración del perfil docente no es solo un reto técnico o pedagógico, sino también de equidad y justicia educativa. El desafío no se limita a integrar nuevas competencias; implica crear condiciones para que todo el profesorado pueda apropiarse críticamente de la IA y convertirla en un recurso al servicio de un aprendizaje significativo e inclusivo.

1) Capacitación y acompañamiento: del temor a la agencia

En el último año aumentó de forma notable la formación específica en IA para el profesorado. En Estados Unidos, un panel representativo de distritos reportó que el 48 % capacitó a su personal docente en otoño de 2024, un incremento significativo respecto a 2023. Este dato refleja que la IA ha dejado de ser un asunto periférico y se ha convertido en una prioridad para los sistemas educativos.

En Europa, la aceleración ha venido marcada por el AI Act, que desde febrero de 2025 establece la obligatoriedad de la alfabetización en IA (AI literacy) para quienes desplieguen estos sistemas en instituciones públicas, incluidas las educativas. Como respuesta, ministerios, consejerías y universidades pedagógicas han comenzado a diseñar módulos que combinan formación técnica con debates sobre privacidad de datos, sesgos y trazabilidad. En España, el INTEF publicó en 2024 la Guía sobre el uso de la IA en el ámbito educativo, articulada con el Marco de Referencia de la Competencia Digital Docente (MRCDD), orientando tanto la formación inicial como la actualización continua del profesorado.

Sin embargo, persisten desigualdades significativas. Mientras algunos docentes acceden a programas certificados y con acompañamiento institucional, otros se forman de manera autodidacta, explorando herramientas como ChatGPT o Copilot sin reconocimiento en su carrera profesional. Esta brecha genera una adopción desigual de la IA: una parte del profesorado logra integrarla con criterio pedagógico, mientras otra incorpora aprendizajes fragmentados con impacto limitado en el aula.

Un patrón recurrente es que la capacitación comienza abordando temores —sustitución del rol docente o uso indebido por parte del alumnado— y solo posteriormente avanza hacia usos pedagógicos más productivos, como la personalización de tareas o la adaptación de materiales.

La evidencia indica que los talleres aislados resultan insuficientes. La innovación se consolida únicamente mediante programas de acompañamiento continuo que incluyan espacios de actualización, comunidades de práctica, mentorías y reconocimiento profesional. En este sentido, los marcos internacionales coinciden en concebir la formación en IA como un proceso sostenido de desarrollo profesional, comparable a otras competencias clave del ejercicio docente.

En síntesis, la agencia docente en contextos mediados por IA no surge de acciones puntuales, sino de un ecosistema de formación y apoyo institucional que permita transitar del temor inicial a un uso crítico y creativo. Mientras no exista una política integral que garantice equidad en el acceso y reconocimiento de estas competencias, la adopción de la IA seguirá siendo desigual.

2) Evaluación y tareas: rediseñar para el pensamiento de orden superior

El uso creciente de la IA por parte del alumnado ha obligado a repensar la evaluación. En lugar de perseguir plagios mediante detectores poco fiables —con altos índices de falsos positivos, especialmente en textos de estudiantes no nativos—, los enfoques recientes recomiendan centrar la atención en los procesos cognitivos y en la trazabilidad del trabajo.

Entre las estrategias que están ganando peso se incluyen la producción en clase y la oralización (escritura supervisada, debates y presentaciones), la documentación del uso de la IA mediante trazabilidad de prompts, la combinación de formatos textuales y audiovisuales, y el uso de rúbricas que valoran planificación, revisión y reflexión crítica. Estas prácticas desplazan el foco del resultado final hacia el proceso de aprendizaje y la toma de decisiones.

En Europa, este replanteamiento de la evaluación se vincula al marco regulatorio del AI Act (2025), que establece la obligación de promover alfabetización en IA (AI literacy) en las instituciones públicas. En el ámbito educativo, ello se traduce en diseñar prácticas evaluativas transparentes, donde el uso de la IA no sea oculto ni penalizado, sino reconocido y orientado pedagógicamente.

En España, la Guía sobre el uso de la IA en educación del INTEF (2024) recomienda evitar enfoques punitivos y reforzar criterios de autenticidad y aprendizaje significativo. Esto implica pedir al alumnado que explicite su contribución personal, contraste la información generada por IA con fuentes académicas y reflexione sobre los sesgos detectados.

En síntesis, la respuesta más sostenible no es “detectar” la IA, sino integrarla de forma crítica en la evaluación, de modo que el alumnado desarrolle pensamiento crítico, creatividad y capacidad de juicio. Así, la evaluación deja de ser un mecanismo de control para convertirse en un espacio de aprendizaje de orden superior.

3) Evidencia de impacto y límites actuales

La investigación reciente muestra que la IA educativa tiene un potencial positivo, pero con resultados altamente dependientes del diseño pedagógico y del contexto. La evidencia más consistente procede de entornos con supervisión docente y tareas bien estructuradas, donde la IA actúa como apoyo y no como sustituto. En estos casos, se observan mejoras en rendimiento académico, motivación y autorregulación.

Diversos estudios recientes documentan impactos positivos cuando se utilizan sistemas adaptativos o tutorías con salvaguardas pedagógicas. En ensayos controlados y proyectos piloto, se han registrado mejores resultados académicos, mayor dedicación al autoestudio y optimización del tiempo docente, especialmente cuando la IA se integra en la planificación curricular y permite reforzar la retroalimentación cualitativa y la atención a la diversidad.

No obstante, la evidencia también señala límites y riesgos relevantes. El uso no guiado de sistemas generativos puede fomentar dependencia, adopción de atajos cognitivos y sobreconfianza, con efectos negativos cuando se retira el apoyo tecnológico. Asimismo, en contextos colaborativos se ha observado que, aunque la IA puede potenciar la creatividad inicial, también puede debilitar la autonomía intelectual y el liderazgo del alumnado si no existe mediación docente.

Los resultados positivos dependen de varias condiciones clave: un diseño instruccional sólido, evaluaciones centradas en el proceso y la reflexión crítica, salvaguardas que prioricen pistas frente a soluciones cerradas y un seguimiento docente activo que contraste y contextualice los resultados generados por IA.

Finalmente, el impacto varía de forma significativa según el contexto institucional y la disciplina. Los beneficios son más claros en matemáticas y ciencias, mientras que en humanidades y escritura los resultados son más heterogéneos y dependen en mayor medida de la integración pedagógica y del uso de la IA como herramienta de apoyo, no de sustitución.

En síntesis, la IA puede fortalecer el juicio profesional docente cuando se utiliza como apoyo estructurado, pero puede debilitarlo si reemplaza la interacción pedagógica o promueve dependencia tecnológica.

4) Gobernanza y marcos de referencia

La gobernanza educativa en torno a la IA sigue en construcción y avanza a diferentes ritmos según la región. En Europa, el AI Act entró en vigor en agosto de 2024 y establece un calendario progresivo con tres hitos principales:

1. Prohibiciones inmediatas a usos de alto riesgo inaceptable (como la vigilancia biométrica masiva).
2. La obligatoriedad de «alfabetización en IA» (AI literacy) desde febrero de 2025 para quienes desplieguen estos sistemas en instituciones públicas, incluidas las educativas.
3. La entrada en vigor, hacia 2026, de reglas estrictas para sistemas de alto riesgo como los aplicados en educación.

Este marco es pionero porque reconoce la formación docente en IA como un derecho y un deber, situándola en el centro de la gobernanza educativa digital.

En paralelo, organismos internacionales han desarrollado marcos complementarios. La UNESCO actualizó en abril de 2025 su Guía para el uso de IA generativa en educación e investigación, con lineamientos sobre transparencia, protección de datos, sesgos y trazabilidad. Ese mismo año publicó el Marco de Competencias en IA para Docentes, que articula tres dimensiones centrales:

• Conocimientos técnicos básicos: comprender cómo funcionan los modelos, sus limitaciones y sus contextos de aplicación.
• Habilidades pedagógicas: integrar la IA en actividades didácticas, diseñar tareas con valor añadido humano y acompañar al alumnado en un uso crítico.
• Valores y ética: garantizar equidad, privacidad, respeto a la diversidad lingüística y cultural, y responsabilidad profesional.

En España, el INTEF (Instituto Nacional de Tecnologías Educativas y de Formación del Profesorado) publicó en 2024 la Guía sobre el uso de la IA en el ámbito educativo. Este documento ofrece pautas prácticas para profesorado y centros (privacidad, sesgos, usos pedagógicos, ejemplos) y articula estas orientaciones con el Marco de Referencia de la Competencia Digital Docente (MRCDD), lo que convierte a España en uno de los países europeos que ha empezado a bajar a nivel curricular los marcos globales.

En América Latina, los procesos son más incipientes. En México, la Secretaría de Educación Pública (SEP) ha mostrado interés en incorporar recomendaciones de UNESCO, pero todavía no existe un marco legal nacional específico que regule de forma obligatoria el uso de IA en las aulas. La adopción avanza de manera desigual, entre instituciones pioneras y la ausencia de lineamientos generales.

5) Brechas y equidad como condición de posibilidad

La brecha digital en el contexto de la IA educativa ya no se limita a la conectividad o a la disponibilidad de dispositivos. Emergentes dimensiones vinculadas al acceso, al tiempo y a la capacidad de implementación condicionan de forma decisiva las posibilidades reales de docentes y estudiantes.

Entre los principales factores de desigualdad destacan el acceso diferenciado a modelos avanzados (frente a versiones gratuitas con limitaciones), la escasa representación lingüística y cultural de lenguas no dominantes, y la falta de tiempo institucional para la formación. En muchos sistemas educativos, la capacitación en IA no se integra en la jornada laboral, lo que obliga al profesorado a formarse por cuenta propia y genera brechas entre quienes pueden dedicar tiempo extra y quienes no.

Asimismo, la ausencia de infraestructura, acompañamiento pedagógico y soporte técnico limita la adopción incluso en centros con motivación docente. Como advierten los marcos europeos, sin inversión específica en formación continua, conectividad y apoyo a contextos rurales o desfavorecidos, la innovación corre el riesgo de concentrarse en los entornos más favorecidos.

Por ello, los organismos internacionales coinciden en que la equidad debe ser el eje rector de cualquier política de IA en educación. Priorizar contextos vulnerables, garantizar acompañamiento sostenido y reconocer el uso legítimo de la IA en evaluación son condiciones necesarias para evitar que la innovación tecnológica se convierta en una nueva fuente de exclusión.

CONCLUSIONES

Conclusiones: aprendizajes personales y colectivos

1. Más proceso, menos producto. Integrar IA reubica el valor pedagógico en la trazabilidad: documentar decisiones, contrastar fuentes y explicitar la autoría intelectual.
2. El rol docente se expande. De transmisor a mediador crítico: diseña tareas que exigen juicio, promueve uso responsable de IA y protege la privacidad del alumnado.
3. La evidencia requiere andamiaje. Donde hay diseño instruccional, seguimiento docente y salvaguardas, la IA mejora rendimiento y autorregulación; sin ello, aumentan la dependencia y la sobreconfianza.
4. Equidad como condición de posibilidad. Acceso a modelos, representación lingüística y tiempo institucional para formarse determinan quién puede innovar de verdad.
5. Gobernanza con derechos. Los marcos UE-UNESCO y las guías INTEF empujan la alfabetización en IA y las competencias en IA del profesorado, pero su implementación debe cerrarse con políticas y recursos estables.

Aprendizaje personal: la IA no sustituye la pedagogía; exige más pedagogía y acompañamiento.
Aprendizaje colectivo: reconocer el uso legítimo de IA, evaluar el proceso y priorizar la equidad evita que la innovación se convierta en una nueva frontera de exclusión.

REFERENCIAS

European Commission. (2025). Digital education action plan (2021–2027). https://education.ec.europa.eu/es/focus-topics/digital-education/plan

European Commission. (2025, August 18). AI literacy – Questions & answers. https://digital-strategy.ec.europa.eu/en/faqs/ai-literacy-questions-answers

European Commission. (2025). What is the AI Act? https://digital-strategy.ec.europa.eu/en/policies/ai-act

Instituto Nacional de Tecnologías Educativas y de Formación del Profesorado (INTEF). (2022). Marco de referencia de la competencia digital docente (MRCDD). https://intef.es/wp-content/uploads/2022/03/MRCDD_V06B_GTTA.pdf

Instituto Nacional de Tecnologías Educativas y de Formación del Profesorado (INTEF). (2022, noviembre 24). Plan de digitalización y competencias digitales del sistema educativo (Plan #DigEdu). https://intef.es/Noticias/plan-de-digitalizacion-y-competencias-digitales-del-sistema-educativo-plan-digedu/

Instituto Nacional de Tecnologías Educativas y de Formación del Profesorado (INTEF). (2024, julio). Guía sobre el uso de la IA en el ámbito educativo. Ministerio de Educación y Formación Profesional. https://descargas.intef.es/iaeducacion/Guia_uso_IA_ambito_educativo_INTEF_2024.pdf

Instituto Nacional de Tecnologías Educativas y de Formación del Profesorado (INTEF). (2025). Orientaciones para la integración de la inteligencia artificial en la formación docente. Ministerio de Educación, Formación Profesional y Deportes. https://intef.es/wp-content/uploads/2025/06/Orientaciones-para-la-integracion-de-la-IA-en-la-formacion-docente-2-1.pdf

Inside Higher Ed. (2024, February 9). Professors proceed with caution using AI-detection tools. https://www.insidehighered.com/news/tech-innovation/artificial-intelligence/2024/02/09/professors-proceed-caution-using-ai

Kestin, G., et al. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Proceedings of the National Academy of Sciences. Advance online publication. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC12179260/

Létourneau, A., Gagnon, M., et al. (2025). A systematic review of AI-driven intelligent tutoring systems (ITSs) in K-12 education. Education and Information Technologies. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC12078640/

Liang, W., Yuan, W., Li, B. Z., et al. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), 100779. https://doi.org/10.1016/j.patter.2023.100779

OECD Publishing. (2025). Trends shaping education 2025. https://www.oecd.org/education/trends-shaping-education-19983440.htm

RAND Corporation. (2025, April 8). More districts are training teachers on artificial intelligence: Findings from the American School District Panel. https://www.rand.org/pubs/research_reports/RRA956-31.html

Turnitin. (2023, March 16). Understanding false positives within our AI writing detection capabilities. https://www.turnitin.com/blog/understanding-false-positives-within-our-ai-writing-detection-capabilities

UNESCO. (2025, April 14). Guidance for generative AI in education and research (updated 2025). https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research-updated-2025

UNESCO. (2025). AI competency framework for teachers. https://www.unesco.org/en/education/digital/ai-competency-framework-teachers

University of Pittsburgh Teaching Center. (2025, January 24). Generative AI: Encouraging academic integrity. https://teaching.pitt.edu/resources/encouraging-academic-integrity/

Wang, Y., Zhang, X., & Li, H. (2025). Evaluation of the impact of AI-driven personalized learning platform based on the Coze framework on medical students: A randomized controlled trial. Frontiers in Medicine, 12, 1610012. https://doi.org/10.3389/fmed.2025.1610012

Imagen 1: OpenAI. (2026). Ilustración horizontal conceptual sobre formación docente e inteligencia artificial [Imagen generada por inteligencia artificial a solicitud de Isabel Berruezo Aldunate]. DALL·E.

Isabel Berruezo Aldunate