El impacto de la inteligencia artificial en la educación: evidencia, riesgos y escenarios de futuro

La inteligencia artificial en la educación ha pasado de promesa académica a realidad cotidiana en aulas, plataformas y despachos directivos. Organismos como UNESCO, OCDE y la Comisión Europea coinciden en su potencial para personalizar el aprendizaje y aliviar carga docente, pero también señalan riesgos que aún no tienen respuesta clara.

La inteligencia artificial en la educación opera ya en cuatro frentes simultáneos. Los tutores adaptativos ajustan el ritmo de aprendizaje a cada alumno. Los asistentes generativos apoyan al profesorado en tareas administrativas, mientras los sistemas de analítica detectan riesgo de abandono escolar. Las herramientas de IA generativa producen explicaciones, ejemplos y feedback bajo demanda.

Lo que se discute ahora son las condiciones bajo las que la IA entra en el aula.

La UNESCO, la OCDE, la Comisión Europea, el Banco Mundial y UNICEF han publicado en los últimos tres años marcos de referencia, guías éticas y reglamentos que comparten un punto de partida. La IA puede acelerar el progreso hacia una educación más inclusiva y personalizada, pero también agravar desigualdades si se despliega sin formación docente, sin evaluación rigurosa y sin protección de datos.

La Comisión Europea ha situado varios usos de IA educativa entre los sistemas de «alto riesgo» del Reglamento (UE) 2024/1689, con obligaciones que se aplican desde el 2 de agosto de 2026.

LA UNESCO ha publicado guías específicas sobre IA generativa en educación y marcos de competencias para docentes y estudiantes que los Estados miembros pueden adaptar a sus currículos.

Lo que se decide ahora condicionará durante años qué herramientas llegan al aula, qué decisiones puede automatizar un sistema y qué tipo de supervisión humana será exigible.

La evidencia disponible apunta a que la inteligencia artificial sí mejora los resultados de aprendizaje, aunque el efecto es heterogéneo y depende más del diseño pedagógico que de la propia tecnología. Los metaanálisis recientes sobre ChatGPT muestran efectos positivos moderados, los tutores inteligentes consolidan ganancias documentadas durante décadas y algunas experiencias en entornos con recursos limitados arrojan resultados sorprendentes.

La OCDE matiza estos hallazgos en su Digital Education Outlook 2023. Los efectos sobre el aprendizaje dependen menos del acceso a la tecnología y más de cómo se integra en la práctica docente y de la capacidad del alumnado para aprender de forma autorregulada. La situación cambia según qué tipo de IA se mire.

Tutores inteligentes y sistemas adaptativos

Los sistemas de tutoría inteligente cuentan con la base de evidencia más sólida en IA educativa. Producen mejoras moderadas en el aprendizaje, especialmente en matemáticas y ciencias. La excepción es el caso documentado en Nigeria, donde un programa con IA logró aprendizajes equivalentes a casi dos años de escolaridad típica en seis semanas.

El metaanálisis de referencia en educación superior, publicado en el Journal of Educational Psychology, revisó 35 informes con 39 estudios sobre tutores inteligentes. El efecto medio se sitúa entre g = 0,32 y g = 0,37, una mejora moderada que supera a la enseñanza tradicional, a los materiales escritos y a la instrucción asistida por ordenador. El único método que rinde más es la tutoría humana uno a uno, todavía fuera del alcance de los sistemas automatizados.

En etapas obligatorias la evidencia es más reciente y matizada. Una revisión sistemática publicada en npj Science of Learning analizó 28 estudios con 4.597 estudiantes de primaria y secundaria. El balance es positivo, pero las ganancias se reducen cuando la comparación se hace contra sistemas de tutoría no inteligentes bien diseñados. La conclusión apunta a la calidad pedagógica global más que a la inteligencia del software.

El caso más comentado en la literatura reciente procede del estudio del Banco Mundial en Edo State, Nigeria. Un programa extraescolar combinó tutoría con Microsoft Copilot y guía docente durante seis semanas. Los estudiantes participantes obtuvieron mejoras de 0,31 desviaciones estándar, equivalentes a entre 1,5 y 2 años de escolaridad típica. El programa benefició especialmente a las alumnas, que partían con menor rendimiento que los chicos. La lectura razonable es que la IA no compite con un buen profesor humano, pero sí complementa allí donde el apoyo individual escasea.

IA generativa y aprendizaje personalizado

La IA generativa amplía el horizonte de la personalización con explicaciones a medida, simulaciones interactivas, casos prácticos y apoyo conversacional sin horario fijo. Los efectos sobre el aprendizaje son positivos, aunque modestos cuando no se rediseña la pedagogía y la evaluación que la rodea.

La guía de UNESCO sobre IA generativa en educación e investigación describe usos concretos, como adaptar contenidos al nivel del alumno, generar ejemplos en distintos contextos culturales, traducir materiales en tiempo real o simular conversaciones para aprender idiomas o profesiones. La promesa se sostiene. La ejecución exige criterio pedagógico y supervisión, porque las salidas pueden contener errores, sesgos o contenidos inapropiados.

Los hallazgos más sólidos llegan del entorno universitario. Un metaanálisis publicado en Humanities and Social Sciences Communications analizó 35 estudios experimentales con 4.193 participantes y encontró un efecto positivo moderado del uso de ChatGPT, con un tamaño de efecto g = 0,670. Una revisión paralela en Computers & Education sobre 69 estudios experimentales documenta que ChatGPT mejora el rendimiento académico, reduce el esfuerzo cognitivo percibido y favorece estados afectivo-motivacionales positivos. Sin embargo, no mejora la autoeficacia y deja preguntas abiertas sobre el efecto a largo plazo o sobre si parte del beneficio se debe al efecto novedad.

La investigación reciente converge en que la IA generativa rinde más cuando se combina con tareas que exigen demostración de competencia, como proyectos, evaluaciones orales o portafolios. En esos formatos la herramienta se convierte en aliada del aprendizaje. En exámenes tradicionales se convierte en atajo.

Analítica de aprendizaje y alerta temprana

La analítica de aprendizaje basada en IA permite detectar a tiempo al alumnado en riesgo de abandono y orientar intervenciones específicas. Las experiencias documentadas en América Latina muestran mejoras en indicadores intermedios y, en algunos casos, en tasas de finalización de cursos.

El Banco Mundial documenta sistemas de alerta temprana en Chile, Perú y Uruguay, alimentados por datos de asistencia, calificaciones y participación. Cuando el modelo identifica un patrón de riesgo, el centro puede activar tutorías, contactos con la familia o ajustes de itinerario antes de que el problema se cronifique.

Conviene leer estos resultados con prudencia, porque parte de la evidencia procede de informes de organismos de desarrollo, no siempre revisados por pares. Las mejoras se concentran en variables intermedias como asistencia o engagement. Los efectos sobre logros de finalización son más difíciles de aislar. Aun así, la dirección de la evidencia es coherente con la idea de que la IA aporta más cuando ayuda a actuar antes, no cuando se limita a producir informes.

La inteligencia artificial redefine el trabajo del docente sin sustituirlo. La UNESCO, la OCDE y la Comisión Europea coinciden en este desplazamiento. El profesorado diseña experiencias de aprendizaje, ejerce como mediador ético entre alumnado y herramientas y acompaña el desarrollo socioemocional. La instrucción directa pierde peso frente al diseño curricular y la evaluación de procesos.

La UNESCO publicó en la Digital Learning Week 2024 su Marco de Competencias para Docentes en IA, estructurado en cinco áreas. La mentalidad humano-céntrica, la ética de la IA, los fundamentos y aplicaciones técnicas, la pedagogía con IA y el desarrollo profesional. La Comisión Europea complementa este marco con sus Directrices éticas sobre el uso de IA y datos en educación, actualizadas para integrar el contexto del AI Act y el RGPD.

De transmisor a diseñador de experiencias

El docente que trabaja con IA asume tres funciones nuevas. Actúa como curador de recursos generados por IA, diseña tareas que aprovechan la herramienta para promover pensamiento crítico y ejerce de mentor que evalúa procesos en vez de productos terminados.

La función de curación implica filtrar lo que la IA produce con criterio pedagógico. Un asistente generativo entrega borradores rápidos, pero pueden contener errores, sesgos o tratamientos superficiales.

En el diseño de tareas, las actividades que se resuelven copiando una respuesta de ChatGPT pierden valor formativo. Las tareas que exigen razonamiento aplicado, defensa oral, trabajo en grupo o documentación del proceso de uso de la IA mantienen su sentido y, en muchos casos, lo amplían.

El tercer frente lo conforma la evaluación, donde los marcos de la  UNESCO y la OCDE recomiendan evaluar competencias transversales, pensamiento crítico y capacidad de aprender a aprender. Lo que la IA produce con facilidad ya no diferencia a un estudiante. Lo que diferencia es cómo lo usa, qué decide y por qué.

La IA no ahorra tiempo por defecto

La promesa de descargar al docente de tareas administrativas es real, pero no automática. La IA puede generar borradores de rúbricas, exámenes, correcciones iniciales y comunicaciones rutinarias con familias. El ahorro depende de la formación previa del docente, de que las herramientas estén validadas y de que existan expectativas explícitas de verificación humana.

Cuando esas condiciones faltan, ocurre el efecto contrario. El docente debe revisar exhaustivamente cada salida de la IA, corregir errores que no esperaba, justificar decisiones que antes daba por hechas y formar al alumnado en el uso responsable de las mismas herramientas que él está aprendiendo a manejar. El análisis de la OCDE recoge esta paradoja con datos de varios países.

A esto se suma el coste emocional, con la presión por adoptar herramientas percibidas como impuestas, la ansiedad por la obsolescencia y la sensación de tecnostress que aparecen con regularidad en estudios sobre profesorado. La OCDE recomienda acompañar las reformas con programas de desarrollo profesional sólidos y apoyo psicosocial, no solo con licencias de software.

El tiempo se ahorra cuando la institución decide ahorrarlo.

Qué formación necesita el profesorado

La formación docente en IA debe cubrir cuatro bloques de competencia para resultar útil. Comprensión técnica básica de cómo funcionan los sistemas, alfabetización ética sobre sesgos, privacidad y sostenibilidad, capacidad pedagógica para diseñar actividades con IA y juicio crítico para evaluar herramientas comerciales antes de adoptarlas.

El Marco UNESCO de Competencias para Docentes en IA organiza estos bloques en cinco áreas y propone itinerarios graduales. No espera que cada profesor sea experto técnico, pero sí que comprenda los principios básicos para tomar decisiones informadas. Saber qué datos recoge una herramienta, qué tipo de errores puede cometer, qué dice la regulación sobre su uso con menores.

La Comisión Europea trabaja con la OCDE en un AI Literacy Framework conjunto que servirá de base a la primera evaluación de alfabetización en IA en PISA. Este marco se vincula con DigCompEdu, el referente europeo de competencia digital docente. También se conecta con las directrices éticas de la propia Comisión.

Sin formación previa al despliegue, la inversión en herramientas se queda corta. Con formación bien planteada, el efecto multiplicador se nota en pocos meses.

La inteligencia artificial llega al aula acompañada de otras tecnologías emergentes que redefinen la experiencia de aprendizaje. Los agentes conversacionales basados en grandes modelos de lenguaje, las simulaciones inmersivas, la realidad aumentada y los sistemas de evaluación adaptativa se combinan para abrir formatos pedagógicos hasta hace pocos años inviables. La suma cambia más que cada pieza por separado.

Los tutores conversacionales basados en modelos de lenguaje son la aplicación más visible. Apoyan tareas escolares, preparación de exámenes y aprendizaje de idiomas con disponibilidad permanente y capacidad de adaptarse al nivel del alumno. La guía de UNESCO sobre IA generativa en educación advierte que su valor depende de la integración curricular y de la capacidad de los sistemas para explicar sus razonamientos sin alucinar.

Los agentes conversacionales también empiezan a desempeñar funciones de orientación académica y apoyo socioemocional básico. Plantean retos éticos importantes. No está claro hasta dónde llega la responsabilidad de un sistema que aconseja a un menor sobre su trayectoria. Tampoco hay protocolos definidos para cuando el agente identifica señales de malestar emocional. La regulación europea exige supervisión humana significativa en estos contextos.

Las simulaciones interactivas, la realidad aumentada y la realidad virtual permiten experiencias inmersivas para desarrollar habilidades blandas, ensayar situaciones profesionales o explorar contenidos científicos antes solo descritos. Su integración con IA generativa multiplica las posibilidades y la exigencia técnica y económica para los centros.

En el terreno de la evaluación adaptativa, los sistemas que ajustan dinámicamente la dificultad de una prueba al rendimiento del alumno caen dentro del Anexo III del AI Act como sistemas de «alto riesgo». Esto eleva los estándares que tendrán que cumplir los proveedores y deja fuera a soluciones inmaduras que hasta ahora se vendían sin escrutinio.

El catálogo de herramientas de IA educativa crece cada mes. Los grandes bloques son tutores conversacionales, asistentes para profesorado, plataformas adaptativas, sistemas de analítica y alerta temprana, generadores de materiales y correctores automáticos. La elección depende menos de la marca y más de cuatro criterios prácticos. El primero es el encaje pedagógico con la asignatura. El segundo, el cumplimiento del AI Act y el RGPD. El tercero, la transparencia del proveedor sobre los datos y el modelo. El cuarto, la posibilidad de integrar la herramienta en el flujo de trabajo del centro.

Los riesgos de la inteligencia artificial en la educación se agrupan en tres bloques que ningún centro o proveedor puede ignorar. La dependencia cognitiva y la integridad académica, la brecha digital con sus sesgos algorítmicos asociados y la privacidad de unos datos que afectan especialmente a menores. Ninguno descalifica la tecnología, pero sin marcos definidos pueden anular el beneficio.

Dependencia cognitiva e integridad académica

El uso pasivo de la IA generativa reduce el esfuerzo intelectual y erosiona la integridad académica. Cuando el alumnado acepta respuestas sin cuestionarlas, pierde oportunidades de pensamiento crítico. Cuando entrega trabajos producidos íntegramente por una IA, la evaluación deja de medir su aprendizaje.

La guía de UNESCO sobre IA generativa en educación añade un problema operativo a esta lista. Cuando parte del trabajo se ha co-producido con IA, evaluar el aprendizaje individual se vuelve mucho más difícil, porque la línea entre lo aportado por el estudiante y lo generado por la herramienta se difumina.

UNESCO, la Comisión Europea y la OCDE convergen en un enfoque de «IA explicada y responsable». Las Directrices éticas de la Comisión Europea proponen que el alumnado documente cómo ha utilizado la IA en cada tarea, justifique sus decisiones y reflexione sobre lo aprendido. La pregunta deja de ser si ha usado IA y pasa a ser cómo la ha usado y qué ha aprendido en el proceso.

La integridad académica se protege rediseñando la evaluación para que el aprendizaje del estudiante siga siendo lo que se mide. Los detectores de IA poco fiables son un parche que no sustituye ese trabajo.

Brecha digital, accesibilidad y sesgos

La inteligencia artificial puede reducir o ampliar la brecha educativa, según cómo se despliegue. Reduce barreras de accesibilidad cuando se diseña con criterios de inclusión. Reproduce y amplifica sesgos cuando los datos de entrenamiento no se vigilan. La diferencia depende menos de la tecnología y más de quien la implanta.

La primera dimensión es la brecha de acceso. Los centros con dispositivos actualizados, conectividad estable y herramientas de calidad aprovechan el potencial de la IA, mientras los que dependen de soluciones gratuitas opacas o sin infraestructura adecuada se quedan atrás. El Banco Mundial advierte que esta brecha puede ampliar desigualdades preexistentes sin políticas públicas compensatorias.

Los sesgos algorítmicos llegan después. Los modelos entrenados con datos no representativos reproducen estereotipos por género, origen étnico o nivel socioeconómico y afectan a sistemas de recomendación, evaluación y selección. El AI Act exige evaluaciones de impacto y supervisión continua para detectar y corregir estos sesgos antes del despliegue.

La accesibilidad ofrece la cara más esperanzadora, con lectores de pantalla avanzados, subtitulado automático, traducción simultánea y adaptaciones para alumnado con necesidades especiales que abren puertas antes cerradas. La condición es diseñar las interfaces siguiendo criterios de diseño universal desde el inicio.

Privacidad y protección de datos

La inteligencia artificial en educación intensifica los desafíos de privacidad porque trabaja con datos sensibles de menores. La normativa europea, formada por el RGPD y el AI Act, exige bases jurídicas explícitas para tratar estos datos, minimización en su uso y derechos efectivos para alumnado y familias. Los centros pasan a ser responsables activos de cómo gestionan la información de sus alumnos.

Las Directrices éticas de la Comisión Europea recomiendan auditar los sistemas en uso, revisar contratos con proveedores y formar al personal en protección de datos aplicada a entornos de IA. Estos sistemas captan rendimiento académico, comportamiento, patrones de atención, contexto familiar y a veces datos biométricos.

UNICEF añade una capa adicional con la versión 3.0 de su Guidance on AI and Children, publicada en diciembre de 2025. El documento define diez requisitos que gobiernos y empresas deben cumplir para que los sistemas de IA respeten los derechos de la infancia:

• Marcos regulatorios y supervisión. Ordenan específicamente la IA centrada en la infancia.
• Seguridad para la infancia. Se mantiene durante todo el ciclo de vida del sistema.
• Protección reforzada de datos y privacidad. Reconoce la vulnerabilidad de los menores.
• No discriminación y equidad. Previenen sesgos contra grupos infantiles vulnerables.
• Transparencia, explicabilidad y rendición de cuentas. Se adaptan a niños, niñas y familias.
• Respeto a derechos humanos y del menor. Se garantiza en toda la cadena de valor de la IA.
• Mejor interés, desarrollo y bienestar del menor. Priman sobre la automatización.
• Inclusión de la infancia y para la infancia. Alcanza especialmente a colectivos marginados.
• Preparación y capacitación de los menores. Les dota de competencias en IA presentes y futuras.
• Entorno habilitante. Sostiene la cooperación entre gobiernos, empresas y sociedad civil.

Lo que antes podía considerarse buena práctica empieza a entenderse como obligación.

El Reglamento (UE) 2024/1689, conocido como AI Act, clasifica varios usos de IA educativa como sistemas de «alto riesgo» y obliga a centros y proveedores a evaluar conformidad, documentar datos de entrenamiento, demostrar ausencia de sesgos y garantizar supervisión humana significativa. Las obligaciones generales del Reglamento se aplican desde el 2 de agosto de 2026, con un plazo extendido hasta agosto de 2027 para sistemas integrados en productos regulados.

El  Anexo III del AI Act identifica cuatro tipos de sistemas educativos que entran en la categoría de alto riesgo. Los que determinan el acceso o admisión a instituciones educativas, los que evalúan resultados de aprendizaje y orientan el proceso formativo, los que asignan el nivel educativo que un individuo puede recibir y los que monitorizan o detectan conductas prohibidas durante exámenes. Si una herramienta encaja en cualquiera de estas categorías, su proveedor pasa a tener obligaciones estrictas y los centros que la usan asumen la condición de «usuarios profesionales» con responsabilidades de selección y supervisión.

Las obligaciones del proveedor exigen implantar un sistema de gestión de riesgos a lo largo del ciclo de vida, garantizar que los datos de entrenamiento son representativos, redactar documentación técnica completa, registrar eventos para trazabilidad y habilitar mecanismos de supervisión humana eficaces.

El RGPD se mantiene como marco paralelo. Toda IA educativa que trate datos personales sigue sujeta a las exigencias de bases jurídicas explícitas, minimización, seguridad reforzada y derechos efectivos de acceso, rectificación y oposición. Hay dos capas regulatorias trabajando simultáneamente, no una.

La Comisión Europea ha actualizado sus Directrices éticas sobre IA y datos en educación para integrar el contexto del AI Act y el RGPD en escenarios prácticos de aula. Esto facilita el aterrizaje de la regulación al trabajo diario. El cumplimiento se exige a quien despliega y a quien provee, con sanciones de hasta 30 millones de euros o el 6 % de la facturación global anual en los casos más graves.

Adoptar IA educativa ha dejado de ser solo una decisión pedagógica o económica para convertirse también en una decisión jurídica con plazos definidos.

El futuro del aula con inteligencia artificial no está escrito. Los marcos internacionales contemplan tres escenarios plausibles que se solapan según el país y el tipo de centro. Una integración responsable, una adopción fragmentada y una reacción restrictiva. Lo más probable es una combinación de los tres, con variaciones significativas dentro de cada sistema educativo.

En el escenario de integración responsable, los sistemas educativos desarrollan estrategias nacionales alineadas con los marcos de UNESCO y la OCDE, forman al profesorado a fondo y construyen estructuras de gobernanza estables. La IA mejora la personalización, amplía la inclusión y libera tiempo docente sin erosionar la equidad. Es el escenario más exigente en inversión y rediseño institucional.

En el de adopción fragmentada, los centros e individuos adoptan IA según les llega, guiados por ofertas comerciales y sin marcos definidos. El Banco Mundial advierte que esto amplía las brechas entre centros con capacidad para gobernar herramientas y los que dependen de soluciones gratuitas y opacas.

En la reacción restrictiva, algunos sistemas optan por prohibir el uso de IA tras escándalos de privacidad, sesgos o problemas de integridad académica. A corto plazo se reducen ciertos riesgos, pero se genera distancia entre el uso de IA fuera del aula y las competencias que la institución reconoce. La guía de UNESCO sobre IA generativa advierte de que esta vía aplaza el problema en lugar de resolverlo.

Los tres escenarios coexisten ya en distintos países. El factor que decide qué escenario domina en cada sistema es la inversión pública, la formación docente y el nivel de participación que se conceda a docentes, alumnado y familias.

Las habilidades que el alumnado necesitará están cambiando en paralelo. El Future of Jobs Report 2025 del Foro Económico Mundial identifica el pensamiento analítico, la resiliencia, el liderazgo, el pensamiento creativo y la alfabetización tecnológica entre las competencias en máximo crecimiento hasta 2030, junto con la familiaridad con IA y big data. El Marco UNESCO de Competencias para Estudiantes en IA, publicado en 2024, traduce esa demanda al currículo con 12 competencias organizadas en cuatro dimensiones y tres niveles de progresión.

La alfabetización en IA va camino de ser una competencia básica, comparable a la lectoescritura o la alfabetización digital de hace veinte años. Lo que cambia entre escenarios es a qué velocidad y con qué profundidad se incorpora.

Antes de incorporar inteligencia artificial en un proyecto educativo conviene revisar cinco frentes que determinan si la inversión rinde o se queda en moda pasajera. El encaje pedagógico, el cumplimiento del AI Act y el RGPD, la formación previa del equipo, la evaluación rigurosa de la herramienta y la participación de docentes y alumnado en el diseño. Ninguno se puede saltar sin pagar el coste más adelante.

• Encaje pedagógico. La herramienta se incorpora cuando resuelve mejor un problema concreto que la alternativa disponible. Si nadie sabe explicar qué problema soluciona, no hace falta.
• Cumplimiento legal. Hay que verificar si la herramienta cae en el Anexo III del AI Act y revisar las obligaciones del RGPD aplicables al tratamiento de datos de menores.
• Evaluación previa de la herramienta. Antes de firmar nada se exige al proveedor evidencia de efectividad, transparencia sobre los datos de entrenamiento y resultados de auditorías de sesgos. Las Directrices éticas de la Comisión Europea ofrecen preguntas guía para esta evaluación.
• Formación previa del equipo. Los marcos UNESCO de competencias son una buena base. Sin alfabetización en IA del personal, la herramienta no rinde y puede generar problemas serios de gestión.
• Participación de docentes, alumnado y familias. Las experiencias documentadas por el Banco Mundial muestran que las soluciones co-diseñadas con quien las va a usar funcionan mejor que las impuestas desde la dirección o desde el proveedor.

Quien gestiona un centro, una academia o una empresa formativa toma estas decisiones cada pocos meses. La diferencia entre hacerlo bien y hacerlo mal se nota dos años después, cuando el sistema lleva funcionando, los datos llevan recogiéndose y la herramienta lleva influyendo sobre decisiones que afectan a personas concretas. Ahí es donde se ve si la revisión inicial fue rigurosa.