La IA en el aula no es un problema tecnológico, es uno de gobernanza pedagógica

La irrupción de la IA generativa en las aulas no llegó con un plan de implementación. Llegó en el bolsillo de los estudiantes. Mientras los directivos debatían políticas, los alumnos ya resolvían deberes con chatbots que alucinan citas y confunden hechos con una fluidez que engaña a quien no sabe verificar. El problema no es la herramienta; es el vacío de criterio que la rodea.

La experiencia de Cheshire Academy, una escuela privada en Connecticut, ilustra el camino que la mayoría evita: no impusieron una plataforma, formaron al profesorado en técnica de prompting y, sobre todo, en los límites del modelo. Les enseñaron a detectar sesgos, a exigir fuentes y a tratar la salida del modelo como un borrador, no como verdad. El resultado es un mosaico de usos: ChatGPT para lluvia de ideas, Perplexity para búsquedas con citas, MagicSchool para planificación. Ninguna herramienta es obligatoria; la competencia docente sí lo es.

Este enfoque choca con la narrativa de los grandes proveedores y de organismos internacionales que empujan la adopción como sinónimo de modernidad. La asesora principal de la Unesco en Ciudadanía Digital, Roxana Morduchowicz, lo resume con precisión quirúrgica: la tecnología no mejora la enseñanza por sí sola. El algoritmo no tiene intención pedagógica; la tiene el docente que decide cuándo, cómo y para qué la invoca.

En América Latina, donde la brecha de conectividad y la sobrecarga administrativa del profesorado son la norma, caer en el tecno-solutionismo es un lujo caro. Comprar licencias de plataformas "educativas" sin antes rediseñar la evaluación y la rúbrica de aprendizaje es comprar ruido. La deuda cognitiva —el atrofio de la escritura, el razonamiento y la búsqueda autónoma— se paga con intereses compuestos cuando el estudiante delega el esfuerzo en el modelo.

Tres condiciones para que la IA sirva al aprendizaje

• Formación en juicio crítico, no en *prompting*: El prompt engineering caduca con cada versión del modelo. La habilidad duradera es evaluar la salida: detectar la alucinación, contrastar la fuente, ponderar el sesgo. Esa competencia se entrena con ejercicios de comparación entre respuesta humana y respuesta sintética, no con cheat sheets de instrucciones.
• Rediseño de la evaluación: Si la tarea es resumible en un prompt, la tarea está mal diseñada. La evaluación debe medir proceso, argumentación y transferencia, no solo producto final. Portafolios, defensas orales, proyectos en etapas con puntos de control humano: ahí la IA es copiloto, no autopiloto.
• Gobernanza institucional, no anarquía de aula: Cada profesor improvisando su política genera inequidad y riesgo legal. El centro educativo necesita un marco único: datos que se comparten, modelos permitidos, límites de edad, procedimiento ante plagio sintético. Eso no frena la innovación; le da pista de aterrizaje.

El sector privado tiene un interés directo en esto. Las universidades y las empresas reciben el egresado. Si el sistema escolar normaliza la delegación cognitiva, la fuerza de trabajo llega sin musculatura analítica. Invertir en formación docente —no en licencias— es la única variable con retorno demostrado.

La IA en educación no es una carrera de adopción; es una carrera de criterio. Quien gane no será el que tenga más licencias, sino el que haya formado a sus docentes para decidir cuándo no usarla.