4519 299 PB

TERCERA ÉPOCA VOLUMEN XLV NÚMERO ESPECIAL 2023
Claudio Rama
Nueva fase educativa digital
con inteligencia artificial
Ernesto Treviño
La educación y el devenir digital
Janneth Trejo-Quintana
Más preguntas que respuestas
Mauricio Andión y Diana I. Cárdenas

Convivir con inteligencias artificiales
en la educación superior
Melchor Sánchez y Erik Carbajal

La inteligencia artificial generativa
y la educación universitaria
Zaira Navarrete-Cazales y Héctor M. Manzanilla-Granados

Una perspectiva sobre
la inteligencia artificial en la educación
ISSN 2448-6167
DIRECTOR
Armando Alcántara Santuario
CONSEJO EDITORIAL
María Esther Aguirre Lora, Universidad Nacional Autónoma de México, México
Wilfred Carr, Universidad de Sheffield, Reino Unido
Daniel Cassany, Universidad Pompeu Fabra, España
Gustavo Fischman, Arizona State University, EUA
José Luis Gaviria, Universidad Complutense de Madrid, España
Claudia Jacinto, Instituto de Desarrollo Económico y Social, CONICET, Argentina
Felipe Martínez Rizo, Universidad Autónoma de Aguascalientes, México
Peter McLaren, Universidad de Chapman, EUA
Adriana Puiggrós, Universidad de Buenos Aires, Argentina
Michael Peters, Universidad de Illinois, EUA
José Francisco Soares, Universidad Federal de Minas Gerais, Brasil
Emilio Tenti Fanfani, Universidad de Buenos Aires, Argentina
Carlos Tünnermann Bernheim, Academia Nicaragüense de la Lengua, Nicaragua
Conrad Vilanou, Universidad de Barcelona, España
Guillermo Zamora Poblete, Pontifcia Universidad Católica de Chile, Chile
COMITÉ EDITORIAL
Concepción Barrón (IISUE -UNAM), Miguel Ángel Casillas (UV), Sonia Comboni (UAM-X),
Patricia Ducoing (IISUE-UNAM), Ana Gallardo (IISUE-UNAM), Édgar González Gaudiano (UV),
Martín López Calva (UPAEP), Guadalupe Olivier (UPN), Susana Quintanilla (DIE-CINVESTAV),
José Luis Ramírez (UNISON), Rosa Martha Romo Beltrán (UdeG), Patricio Solís Gutiérrez (COLMEX),
Ana María Tepichin Valle (COLMEX), Guadalupe Tinajero (UABC).
Editora: Gabriela Arévalo Guízar

Corrección: Cecilia Fernández Zayas
Diseño editorial y formación: Ernesto López Ruiz
Portada: fragmento del mural La conquista de la energía, obra de José Chávez Morado,
que se encuentra en el auditorio de la antigua Facultad de Ciencias.
Fotografía: IISUE/AHUNAM/Colección Armando Salas Portugal/ASP-CU-0555.
Perfiles Educativos ha sido aprobada para su inclusión en el Índice de Revistas Mexicanas de Investigación Científica y Tecnológica
(IRMICYT), del CONACYT, así como en los índices y las bases de datos: SCOPUS (Elsevier, Bibliographic Databases), Scientific
Electronic Library Online (Scielo México), Scielo Citation Index (Scielo-Thomson Reuters), Red de Revistas Científicas de
América Latina y el Caribe, España y Portugal (REDALYC), Índice de Revistas sobre Educación Superior e Investigación Educativa
(IRESIE), Sistema Regional de Información en Línea para Revistas Científicas de América Latina, el Caribe, España y Portugal
(LATINDEX) y Citas Latinoamericanas en Ciencias Sociales y Humanidades (CLASE).
Perfiles Educativos es una publicación que da a conocer principalmente resultados de la investigación en educación. Su línea editorial
da cabida a los diversos aspectos de indagación, pues considera que las ciencias de la educación se han constituido en un campo inter
y pluridisciplinario. La educación es un campo de conocimiento y también un ámbito de intervención; es por ello que en la revista
se publican resultados de investigaciones con referentes teóricos o empíricos, desarrollos teóricos y reportes de experiencias educati-
vas con un fundamento conceptual que por su carácter merezcan ser difundidos. Perfiles Educativos es una revista de intercambio y
debate abierta a todos los interesados en el campo de la investigación educativa.
© 2023, Instituto de Investigaciones sobre la Universidad y la Educación (IISUE)

Perfiles Educativos es una publicación trimestral del IISUE de la UNAM. Los artículos firmados no necesariamente reflejan los criterios
del IISUE y son responsabilidad exclusiva de los autores. Se permite la reproducción de los textos publicados siempre y cuando sea sin
fines de lucro y citando la fuente. Revista Perfiles Educativos, Edificio del IISUE, lado norte de la Sala Nezahualcóyotl, Zona Cultural,
Coyoacán, 04510, Ciudad de México. Correo electrónico: [email protected]
Información: [email protected]. Certificado de licitud expedido por la Comisión Calificadora de Publicaciones y Revistas
Ilustradas, el 16 de noviembre de 1981. Perfiles Educativos es nombre registrado en la Dirección General de Derechos de Autor.
Publicado en línea en noviembre de 2023.
Contenido
Editorial 3
Presentación 5
Armando Alcántara Santuario
Claudio Rama 9
Nueva fase educativa digital con inteligencia artificial
Ernesto Treviño Ronzón 24

Discurso, experiencias y acciones frente al ascenso de la inteligencia artificial
Janneth Trejo-Quintana 43
La inteligencia artificial y la educación
Mauricio Andión Gamboa y Diana Irene Cárdenas Presa 56

Convivir con inteligencias artificiales en la educación superior
Retos y estrategias
Melchor Sánchez Mendiola y Erik Carbajal Degante 70

La inteligencia artificial generativa y la educación universitaria
¿Salió el genio de la lámpara?
Zaira Navarrete-Cazales y Héctor Manuel Manzanilla-Granados 87

Una perspectiva sobre la inteligencia artificial en la educación
Editorial
Cuántos de nosotros crecimos leyendo novelas de ciencia ficción. Con cada

página se hacía más grande nuestra imaginación y capacidad de asombro.
Androides, drones, realidades virtuales, supercomputadoras, algoritmos
sofisticados y un sinfín de artefactos se entretejían en historias que nos per-
mitían valorar la relación de los seres humanos con la tecnología y, en lo más
profundo, reflexionar sobre la condición humana, siempre cambiante y, al
mismo tiempo, perpleja ante lo incierto.
Este año, el Instituto de Investigaciones sobre la Universidad y la Edu-
cación celebra el 45 aniversario de la revista Perfiles Educativos. En los tiem-
pos que corren, la educación a nivel global atraviesa cambios insospechados
con la irrupción —sigilosa y consistente— de la inteligencia artificial (IA).
Este número especial discurre y problematiza sobre este asunto con especial
énfasis en la educación universitaria. De esta manera, el Instituto aporta al
debate informado y a las iniciativas que nuestra máxima casa de estudios ha
comenzado a desplegar para incorporarla como parte medular de los pro-
cesos de formación docente, sin obviar su alto potencial para cada una de las
funciones sustantivas de la universidad.
De cara a la Agenda 2030 encabezada por la UNESCO, el Objetivo de
Desarrollo Sostenible 4 (ODS4) pondera la urgencia de orquestar esfuerzos
internacionales que coloquen en el centro la construcción de sistemas edu-
cativos inclusivos y equitativos, sustentados en los derechos humanos y el
despliegue de las capacidades humanas; que sean promotores de oportu-
nidades de aprendizaje permanente para todos y todas. En este marco, la
IA adquiere trascendencia, pues su integración —sistemática, ética y reflexi-
va— puede devenir en innovaciones de alto calado para nuestros sistemas
educativos. Al mismo tiempo, se avizora como una alternativa para perso-
nalizar los procesos de formación y garantizar el aprendizaje a lo largo de
la vida. Empero, también nos enfrentamos a evoluciones vertiginosas con
pocos márgenes para analizar su impacto en las diferentes esferas de la vida,
incluidos los avances en el conocimiento, el quehacer científico y la práctica
profesional.
En el ámbito de la formación universitaria, la IA resulta prometedora y
el hilo de la madeja va más allá del ChatGPT. Los sistemas de tutoría inteli-
gente (STI) pueden compensar aquellos temas de asignaturas que con fre-
cuencia llegan a convertirse en diques de las trayectorias académicas de las
Perfiles Educativos | vol. XLV, número especial, 2023| IISUE-UNAM 3

y los estudiantes y, así, afianzar conocimientos disciplinares básicos de las
distintas áreas del conocimiento. Los llamados entornos de aprendizaje ex-
ploratorios (EAE) ofrecen bríos para que las y los estudiantes construyan su
conocimiento al establecer conexiones con esquemas previos; para ello, la IA
puede ofrecer retroalimentación, orientación y alternativas al aprendizaje.
Los avances en sistemas de realidad virtual (RV) y aumentada (RA) brin-
dan experiencias de formación en condiciones controladas y la solución de
problemas con el apoyo de la IA. En cualquier caso, la incorporación de la
inteligencia artificial en la formación universitaria requiere la conjunción
de esfuerzos entre docentes, expertos en cognición, estudiantes y creadores
de IA, lo cual redunda en distintas formas de organizar la vida académica
basada en la colaboración, la creatividad, la escucha y el fomento del pensa-
miento crítico y autónomo, todo ello, de naturaleza humana.
La integración de la IA en la formación universitaria requiere reconocer
el acto educativo, ante todo, como un encuentro dialógico y emancipatorio,
a través del cual las y los estudiantes van entrelazando sus capacidades para
discernir y tomar decisiones basadas en el conocimiento y en valores éticos.
Un contexto global convulsionado por las guerras, el cambio climático, el
empecinamiento por la destrucción de la vida en todas sus formas —ele-
mentos distópicos comunes del género de ciencia ficción— contrapuntea
con el enorme potencial humano para reinventarse y evolucionar a través de
sistemas como la IA. Así, en un futuro inmediato se espera que la inteligen-
cia artificial se convierta en una aliada estratégica para desplegar soluciones
a los múltiples problemas que aquejan a la sociedad, a la par que nos permita
reflexionar sobre nuestra propia condición humana y guiar nuestras deci-
siones sustentadas en la empatía y en el bien común.
Las voces reunidas en este número especial ofrecen diferentes énfasis,
perspectivas analíticas y miradas sobre la IA: como parte de un ecosistema
amplio, capaz de generar disrupciones en los sistemas educativos; la nece-
sidad de políticas públicas que reduzcan la desigualdad y contribuyan a la
sostenibilidad; la revisión de diversas herramientas de IA aplicables a la edu-
cación; los intereses económicos en juego y el llamado a un uso responsable
y la formación de una nueva ciudadanía digital.
En estos 45 años de vida de Perfiles Educativos, en momentos de transi-
ción y con una pandemia a cuestas, el IISUE busca celebrar poniendo muy
en alto nuestro capital más preciado: las y los jóvenes universitarios. Haga-
mos de la IA una herramienta útil que nos permita acercarnos a quienes han
puesto su confianza y expectativas presentes y futuras en la universidad.
Gracias a quienes han hecho posible este aniversario: exdirectores y exdi-
rectora de la revista; su actual director, Armando Alcántara Santuario; Gabrie-
la Arévalo Guízar, editora y corazón de Perfiles, así como a las y los dictami-
nadores y a las y los autores. A cada uno y una de ustedes, mi sincera gratitud.
Gabriela de la Cruz Flores

Directora del IISUE-UNAM
4 Perfiles Educativos | vol. XLV, número especial, 2023| IISUE-UNAM | DOI: https://doi.org/10.22201/iisue.24486167e.2023.Especial.61686
G. de la Cruz | Editorial
Presentación
La inteligencia artificial
y sus implicaciones en educación
Armando Alcántara Santuario*
Aunque los primeros desarrollos de la inteligencia artificial (IA) habían co-

menzado desde la segunda mitad del siglo XX, la discusión de sus implica-
ciones irrumpió hasta fines del a ño 2022. E n 1956, John McCarthy utilizó
por primera vez el término “inteligencia artificial” durante una conferencia
efectuada en Darmouth (“Breve historia de la inteligencia artificial”, 2016). En
un sentido amplio, la IA se refiere al conjunto de algoritmos (reglas o instruc-
ciones) que deben seguirse para resolver un problema o realizar un cálculo
(Rikap, 2023). En 2022, la empresa OpenAI lanzó el ChatGPT. Su difusión no
tiene precedentes, pues en tan sólo cinco días esta aplicación ya tenía un mi-
llón de cuentas activas y para enero del 2023 el número había ascendido a
100 millones. El inusitado crecimiento de este desarrollo tecnológico está re-
lacionado con la creciente popularidad de lo que se ha llamado big data, que
implica el tratamiento de grandes volúmenes de datos provenientes de pla-
taformas digitales o de numerosas computadoras de gran capacidad conec-
tadas en red. El ChatGPT pertenece al grupo conocido como “IA generativa”.
La fascinación que en todo el mundo ha tenido el ChatGPT, así como las
aplicaciones que de este tipo han seguido apareciendo, ha provocado tam-
bién numerosos debates en torno a sus implicaciones en los más diversos
campos de la actividad humana. En un principio se impidió la utilización de
esta herramienta en las instituciones educativas de nivel superior, pues las
autoridades temían que se favoreciera en los estudiantes el plagio de los tra-
bajos escolares; sin embargo, poco después se empezaron a conocer sus ven-
tajas para el fortalecimiento del proceso de enseñanza y aprendizaje. Tras
el uso cada vez más difundido de ésta y otras herramientas de la IA, se han
comenzado a discutir sus implicaciones éticas, legales e incluso militares (la
creación de armas de destrucción masiva, por ejemplo).
El filósofo Antonio Salgado Borge (2023) considera que la IA puede consti-
tuir un riesgo existencial para la humanidad. En el corto plazo, plantea, el ries-
go más inminente es una avalancha de desinformación y falsificaciones que,
* Investigador del Instituto de Investigaciones sobre la Universidad y la Educación de la
Universidad Nacional Autónoma de México (UNAM) (México) y director de Perfiles
Educativos. Coordinador de este número especial dedicado al tema La inteligencia arti-
ficial y sus implicaciones en educación.

de llegar al extremo, harían imposible distinguir lo verdadero de lo falso. Otro,
incluso más importante desde el punto de vista laboral, económico y político,
sería la pérdida masiva de empleos debido a la creciente automatización. En
el largo plazo, la IA podría transformarse en una amenaza existencial para la
humanidad, ya que, si se hiciera más inteligente que la gente, tener conciencia
y autoconciencia, o incluso auto programarse, los seres humanos terminarían
siendo un obstáculo o, al menos, irrelevantes. Esto haría realidad el mensaje
detrás de la historia creada por Stanley Kubrik en 2001 odisea del espacio: “La
humanidad no reside en el espíritu inmaterial, sino en la inteligencia”.
En un plano más filosófico, Yuval Noah Harari (2018) argumenta que
el peligro es que si se invierte mucho en el desarrollo de la IA y demasiado
poco en el desarrollo de la conciencia humana, la inteligencia artificial muy
sofisticada de las computadoras sólo servirá para fortalecer la estupidez na-
tural de los humanos (su tendencia a la destrucción). Considera poco pro-
bable que el mundo vaya a enfrentar una rebelión de los robots en el futuro
inmediato, pero podría, en cambio, confrontarse con multitud de bots que
sabrían cómo pulsar nuestros botones emocionales mejor que nadie. Po-
drían identificar también nuestros temores, odios y antojos más profundos
y utilizar esa información en contra nuestra.
Un aspecto que llama la atención es que los principales desarrollos tec-
nológicos de la IA generativa se iniciaron —y están controlados— por un
reducido número de grandes empresas digitales como Microsoft, Google,
Amazon, Meta y Ali Baba, entre otras, las cuales cuentan con enormes re-
cursos financieros, así como el conocimiento y el personal científico para
crear y comercializar sus productos tecnológicos a nivel global. Más aún,
Microsoft es dueña de casi la mitad de las acciones de OpenAI, la empresa
que desarrolló el ChatGPT (Rikap, 2023). Es en este amplio contexto en el tie-
ne lugar el uso y aplicación de la inteligencia artificial en el ámbito educativo.
En este número que celebra los 45 años de Perfiles Educativos, hemos in-
vitado a un grupo de académicos de diversas universidades para que nos
compartan sus experiencias y reflexiones acerca de las implicaciones que
tiene el uso de la inteligencia artificial para la educación. En su texto “Nueva
fase educativa digital con inteligencia artificial”, Claudio Rama analiza la
irrupción de la IA como parte de un amplio ecosistema que propiciará un
nuevo impulso a la disrupción digital. Al valorarla como máquina de inves-
tigar, aprender, prever y enseñar, la nueva herramienta propiciará una enor-
me transformación en muchos sectores, incluidos los sistemas educativos,
particularmente en lo referente a procesos más automatizados, apoyados en
chatbots y simuladores interactivos. Rama también formula los ejes de desa-
rrollo de los cambios tecnológicos en las relaciones del mundo del trabajo,
así como diversas consecuencias en los procesos de aprendizaje.
“La educación y el devenir digital” es el artículo de Ernesto Treviño
Ronzón, en el cual ofrece una serie de reflexiones en torno a los usos actua-
les de la IA, así como sus posibilidades y retos para la educación. Asimismo,
presenta varias consideraciones acerca de los desafíos de los modelos más
recientes de IA, basados en el uso del lenguaje natural y en el procesamiento
A. Alcántara | Presentación
de grandes volúmenes de datos. Concluye con una revisión de la acción pú-
blica organizada de cara a los retos urgentes que enfrenta México, en cuanto
a la reducción de las desigualdades y la consolidación de la sostenibilidad.
El texto intitulado “Más preguntas que respuestas: la inteligencia arti-
ficial y la educación” escrito por Janneth Trejo-Quintana, explora algunas
ideas sobre la irrupción de la IA en el ámbito educativo. Esta nueva tecno-
logía, señala, ha provocado asombro, desconcierto, fascinación e inclu-
so miedo, debido a su capacidad de imitar algunas actividades atribuidas
solamente a los seres humanos. Considera necesario adoptar una postura
prudente en los análisis de un fenómeno que todavía está en curso, lo cual
plantea más interrogantes que respuestas.
El cuarto trabajo que se incluye en este número fue elaborado por Mau-
ricio Andión Gamboa y Diana Irene Cárdenas Presa, el cual se intitula
“Convivir con inteligencias artificiales en la educación superior: retos y es-
trategias”. Andión y Cárdenas exploran las implicaciones de la nueva herra-
mienta tecnológica en la educación terciaria, con especial atención en los
retos, las estrategias y los apoyos necesarios para su mejor aprovechamiento
en la docencia y la investigación. Proponen la promoción de la alfabetiza-
ción digital en el nivel educativo superior, en sus modalidades informática y
multimedial, como una estrategia crucial para convivir con las inteligencias
artificiales generativas (IAG), aprender a usarlas de manera adecuada y con-
tribuir a la formación de ciudadanía.
Melchor Sánchez Mendiola y Erik Carbajal Degante, por su parte,
aportan en su artículo “La inteligencia artificial generativa y la educación
universitaria: ¿salió el genio de la lámpara?”, una serie de elementos para la
discusión académica sobre la IAG y su potencial educativo. Además, hacen
un balance crítico de las ventajas y desventajas de este nuevo desarrollo tec-
nológico. Sánchez y Carbajal argumentan que estos avances tienen un gran
potencial educativo, aun cuando también poseen limitaciones y posibles
efectos negativos, los cuales tienen que analizarse con rigor académico por
parte de docentes, estudiantes y las propias instituciones.
En el trabajo elaborado por Zaira Navarrete-Cazales y Héctor Manuel
Manzanilla-Granados, “Una perspectiva sobre la inteligencia artificial en la
educación”, se describe el significado de la enseñanza automatizada utilizan-
do la IA mediante una serie de ejemplos con algunos agentes digitales de libre
acceso. Navarrete y Manzanilla realizan también una revisión documental de
los beneficios, desafíos y las políticas internacionales elaborados por organis-
mos multilaterales. Concluyen señalando que la automatización de la educa-
ción por medio de la IA no es necesariamente la mejor opción, a pesar de que
existe una tendencia global para su uso en la enseñanza y el aprendizaje.
Como se puede apreciar, las seis colaboraciones para este número abor-
dan distintas facetas y dimensiones de un desarrollo tecnológico que está
causando revuelo por sus posibles beneficios y perjuicios en la vida social y,
especialmente, en la educación. Confiamos en que estas reflexiones contri-
buyan a la discusión y al análisis en los ámbitos académicos y de la sociedad
en general.
Perfiles Educativos | vol. XLV, número especial, 2023| IISUE-UNAM | DOI: https://doi.org/10.22201/iisue.24486167e.2023.Especial.61687
7
Referencias
“Breve historia de la inteligencia artificial” (2016, 4 de septiembre), National Geographic,
en: www.nationalgeographic.com.es/ciencia/breve (consulta: 6 de noviembre
de 2023).
Harari, Yuval N. (2018), 21 lecciones para el siglo XXI, México, Penguin Random House.
Rikap, Cecilia (2023), “Inteligencia artificial: reemplazo, hibridación… ¿progreso?”,
Nueva Sociedad, núm. 307, en: https://nuso.org/articulo/307-inteligencia-artifi-
cial-reemplazo-hibridacion-progreso/ (consulta: 7 de noviembre de 2023).
Salgado, Antonio (2023, 3 de mayo), “La inteligencia artificial como riesgo existencial”,
Aristegui Noticias, en: https://aristeguinoticias.com/0305/opinion/la-inteligen-
cia-artificial-como-riesgo-existencial/ (consulta: 7 de noviembre de 2023).
Nueva fase educativa digital
con inteligencia artificial
Claudio Rama*
La irrupción de la inteligencia artificial (IA) se ana- Palabras clave

liza como parte de un ecosistema amplio que per-
mitirá un nuevo impulso en la disrupción digital. Inteligencia artificial
Analizada como máquina de investigar, aprender, Disrupción digital
prever y enseñar, la IA constituirá un impulso enor- Automatización
me hacia la transformación en todos los sectores, educativa
incluidos los sistemas educativos, especialmente res-
pecto de procesos de enseñanza más automatizados, Universidad
apoyados en chatbots y simuladores interactivos. En Educación virtual
este artículo se formulan los ejes de desarrollo de los Ciclos tecnológicos
cambios tecnológicos, de las relaciones en el mundo
del trabajo y de las tareas que promueven estos cam-
bios, así como sus consecuencias en los procesos de
aprendizaje, la distribución de los componentes que
inciden en los procesos de enseñanza y las formas
que pudieran estructurar una nueva dinámica más
centrada en la automatización de las interacciones
en la enseñanza y los posibles avances hacia la edu-
cación personalizada.
DOI: https://doi.org/10.22201/iisue.24486167e.2023.Especial.61688
* Director académico e investigador de la Universidad de la Empresa (UDE) (Uruguay).
Doctor en Educación. Líneas de investigación: educación superior en América Lati-
na; industrias culturales; política; economía del conocimiento. Publicaciones recien-
tes: (2023), La disrupción digital, la universidad 4.0 y la inteligencia artificial, México,
UDUAL; (2022), “Diversidad y nuevas tipologías universitarias en América Latina”, en
José Joaquín Brunner, Jamil Salmi y Julio Labraña (eds.), Enfoques de sociología y econo-
mía política de la educación superior: aproximaciones al capitalismo académico en Amé-
rica Latina, Santiago de Chile, Ediciones Diego Portales, pp. 217-251. CE: claudiorama@
gmail.com. ORCID: https://orcid.org/0000-0002-4716-6572

De las innovaciones estructurales
e incrementales de la primera fase
a una nueva disrupción digital con la IA
Hay una amplia discusión en los ámbitos académicos acerca de que los cam-
bios en el funcionamiento de las tecnologías, los mercados y la economía
bajo lógicas digitales está implicando un nuevo modo de producción (Du-
rand, 2021). Lo digital está creando un nuevo paradigma tecno-económico.
El paradigma centrado en la innovación y la economía del conocimiento,
favorecido por los derechos de propiedad intelectual y la digitalización de
los procesos de producción, distribución, intercambio y consumo, consti-
tuirían el centro de este nuevo modelo que impulsa una economía global, la
centralidad de las empresas de comunicación e información y la digitaliza-
ción de todos los procesos de trabajo. La instalación de este nuevo paradig-
ma ya fue planteada por Toffler (1998), al analizar el pasaje sucesivo de la era
de la agricultura a la industrial, y ahora a la era de la información.
En esta nueva dinámica, lo digital permite un mayor avance hacia la sus-
titución del trabajo manual y mecánico tradicional por negocios centrados
en el aporte de valor agregado de conocimiento en red, que impulsa proce-
sos de “creación destructiva”. En el marco de la innovación permanente, lo
digital mejora la eficiencia productiva y crea trayectorias empresariales de
monopolio a escala global; con ello permite que las redes y sistemas auto-
matizados gestionados por algoritmos sean altamente favorecidos. En este
escenario, que se viene desarrollando desde los años ochenta, hemos ingre-
sado en una nueva fase de la revolución tecnológica digital marcada por el
avance de la inteligencia artificial como máquina-herramienta impulsora de
una creciente automatización global adaptativa. Esta nueva fase representa
la continuación y profundización de la primera fase de la disrupción digital,
en tanto nuevo ciclo de la revolución tecnológica (Krondratieff, 1972).
La primera fase de la disrupción digital que se gestó con la microelectró-
nica y la programación informática apoyada en las computadoras persona-
les (PC), así como la convergencia digital, evolucionaron hacia el desarrollo
de Internet y las telecomunicaciones, donde la Internet, sumada a lo digital,
permitió conformar grandes bases de datos (big data). Esto impulsó la fibra
óptica, mejores procesadores y redes submarinas, que mejoraron la eficien-
cia con producciones más segmentadas y globales, y conformaron las bases
de un capitalismo de plataformas. A ello se sumaron múltiples sensores que
facilitaron la instauración de procesos de automatización. Todo ello sentó
las bases de una nueva fase con un nuevo ciclo digital caracterizado por la
inteligencia artificial (Kissinger et al., 2021).
En tal sentido, la irrupción de la IA, como parte de un nuevo ecosistema
de impacto digital, ha tenido como prerrequisito la tecnología 5G, las redes
de cables submarinos de fibra óptica y el desarrollo del big data, todo lo cual
está impulsando un nuevo tipo de universidad (Rama, 2023). Las tecnolo-
gías de comunicación —y especialmente de la telefonía móvil— siempre
han sido un componente fundamental en la transformación y desarrollo de
C. Rama | Nueva fase educativa digital con inteligencia artificial
la educación. La instalación de la 5G constituye otro estadio de expansión,
especialmente respecto del avance de la educación virtual con simuladores
e IA. Cada una de las diversas y sucesivas generaciones de las tecnologías
de telefonía móvil constituyeron un impulso y un avance en las prestacio-
nes y servicios educativos hacia el funcionamiento bajo lógicas digitales y,
especialmente, en la educación móvil o ubicua, en el apoyo de plataformas
digitales de educación virtual, en la enseñanza sincrónica y en los simula-
dores digitales. Por ello, las enormes inversiones en las redes de fibra óptica
deben ser vistas como bases, no sólo para el desarrollo de la sociedad digital
—y con ello también de la educación digital—, sino también para el ingreso
en la fase de la IA. La actual introducción de las tecnologías de comunica-
ción inalámbricas 5G constituye un avance que permitirá un mayor ancho
de banda y, por ende, mayores velocidades de descarga y menores latencias,
en tanto ésta se apoya en el uso de ondas de radio de altas frecuencias; pero,
fundamentalmente, permitirá la masificación de la comunicación de IA y
del internet de las cosas al haber una distribución mucho más amplia de
trasmisores. Todo lo anterior obligará a realizar fuertes inversiones en to-
dos los países e implicará un cambio fundamental en educación al permitir,
tanto más conexiones de banda ancha, como el uso de simuladores avanza-
dos, de servicios de inteligencia artificial o de accesos a programas multi-
media de alta calidad y del internet de las cosas.
El otro prerrequisito de la IA lo constituyen las bases de datos, a partir
de las cuales se gestaron los programas de IA. El uso eficiente de los datos
es la base del “dataísmo”, que está llevando a la irrupción de herramientas
informáticas de IA para su gestión (Byug-Chun Han, 2022). La minería de
datos es una actividad creciente de valorización que actualmente impulsa
un nuevo paradigma de trabajo apoyado en la IA. El centro de la nueva rea-
lidad son los beneficios del uso de los datos. El rol de la información siempre
ha sido reducir la incertidumbre. Saber más, con más detalle y precisión,
se ha constituido en el centro de la acumulación de capital a través del in-
cremento de la productividad. Stiglitz y Greenwald (2016) introdujeron un
cambio radical en la economía clásica que presuponía el libre acceso a la
información y su gratuidad en la asignación de los factores y la competencia
económica; en este sentido, planteaban tanto una relación directa entre in-
formación y productividad, como entre niveles de información y niveles de
ganancias extraordinarias.
Ello otorgó a la información un valor especial asociado a los beneficios a
su acceso y control. Introdujo el enfoque por el cual la información adquirió
precio y valor, no tanto por su costo de producción, sino por el beneficio que
genera. Y también la idea de que su valor está asociado a su alta depreciación
y obsolescencia en el tiempo, dado que la duración de la información tiende a
ser efímera. El conocimiento y el acceso a los datos impulsa mayor eficiencia
y, sin duda, un menor nivel de inversión física o en recursos humanos. Su eje
es contribuir a aumentar la productividad y la eficiencia. Gracias a los datos se
minimizan los riesgos en la toma de decisiones y se pueden formular escena-
rios prospectivos y de tendencias que reducen las incertidumbres. Los datos
11
también permiten conocer a los competidores e identificar oportunidades y
nichos de mercado, así como administrar mejor los portafolios de productos y
servicios en cada momento. Actualmente, los datos son la base de las mejores
estrategias empresariales y de cualquier organización o actor social.
En nuestras actuales realidades más complejas, globales y competitivas,
así como de alta incertidumbre, el acceso, uso y monopolio de los datos y la
información se constituyen en la palanca central de los negocios y de todas
las actividades, así como de la política, para identificar las cambiantes opi-
niones, miedos y deseos de los consumidores, clientes o afiliados. La socie-
dad de masas es también la sociedad de la necesidad de conocer y adminis-
trar la diversidad de intereses y realidades.
Los datos, en suma, son la palanca del éxito; gracias a la proliferación de
datos, los profesionales pueden realizar diagnósticos mejores y más precisos
e identificar las tendencias más viables, así como su probabilidad. Todo ello
otorga un valor cada vez mayor a la información, más aún si está estructu-
rada en bases de datos, si está depurada, si es monopólica o si es de acceso
limitado.
El negocio de los datos es la materia prima del capitalismo de las redes,
de la disrupción digital o de las plataformas; es la herramienta competitiva,
la palanca de la eficiencia y lo que permite sostener posiciones monopólicas
de diversos actores basadas en el resguardo y la secrecía respecto de la infor-
mación (Srnick, 2021). En este escenario de beneficios, los datos son el im-
pulsor más importante de la etapa de expansión de la inteligencia artificial
en la cual hemos ingresado, en tanto mecanismo informático para procesar
y gestionar la multiplicidad de datos, mismos que, incluso, se recopilan en
forma automática y sin que las personas sepan que se hace.
Los datos son, actualmente, la palanca estratégica de las organizacio-
nes y la base de su propia existencia y supervivencia. Sin ellos las personas
y sus empresas serían esclavos de sus competidores, estarían sujetos a la alta
volatilidad de los mercados, se refugiarían en sus tradiciones y, sin duda,
serían presa de dudas e incertidumbre acerca del valor de sus acciones. La
inteligencia artificial será la principal herramienta de procesamiento, aná-
lisis y respuesta de todas las organizaciones a las demandas de información
pertinente. En el actual capitalismo de los datos, las organizaciones que no
cuenten con ellos —y con sistemas eficientes para manejarlos, tales como la
IA— estarán en una fuerte desventaja en sus diversos mercados. Sin embar-
go, no es éste un problema focalizado de personas u organizaciones, sino
que estamos frente a un riesgo sistémico y, por ende, afecta a todos los sec-
tores, incluyendo también al ámbito educativo.
Como se ha dicho, la existencia de datos y de bases de datos es prerrequisi-
to y, a la vez, soporte fundamental para la existencia y funcionamiento de la IA.
La IA no existe sin datos y estructuras de datos; podríamos decir que la IA es
un resultado de la expansión del conocimiento y la información en el mundo,
ya que se ha creado tal magnitud de datos que sólo la IA los puede gestionar.
Los datos son también la materia prima de estas máquinas-herramientas que
aprenden y que los utilizan para mejorar su eficiencia y lograr mayor precisión
es sus previsiones; son, incluso, la base de la creación de nuevos conocimien-
tos, como claramente señala el método científico de Descartes. Y finalmente,
las bases de datos también son recursos para que la IA pueda entrenar la efi-
ciencia de sus algoritmos y mejorar sus capacidades de análisis. Así, la IA se
apoya en el dataísmo, que no existiría sin esas bases de datos sobre las cuales
realiza las minerías de datos que constituyen el centro de su función. En tal
sentido, la IA es la herramienta que transforma los datos en información al
agregarles valor (ordenamiento y procesamiento). El dataísmo, como práctica
y funcionamiento de un sistema de valorización, preservación y organización
de los datos, constituye un prerrequisito para permitir la creación de valor a
partir de la minería de datos por los sistemas de IA.
La IA impone una forma de organización del trabajo y de organización
de los negocios a partir del uso de datos; formula predicciones de movi-
mientos futuros de las demandas y organiza y mejora la articulación de
las cadenas logísticas y de producción gracias a su análisis profundo de los
datos y a los mecanismos de autoaprendizaje informático. Estos mecanis-
mos cambian las lógicas de la economía y la sociedad para centrarse en el
conocimiento, lo cual impacta directamente en los sistemas de educación
superior. La IA es el iceberg de esos cambios, y por ello se plantea el carác-
ter fuertemente disruptivo de la inteligencia artificial (Daugherty y Wilson,
2018). La IA es la palanca de una nueva fase de la enorme transformación di-
gital en curso; impulsa una nueva articulación entre máquinas y humanos
en relación con los conocimientos y los trabajos.
Las diversas revoluciones tecnológicas se caracterizan por sucesivas,
complejas y cambiantes interacciones entre máquinas y humanos; la disrup-
ción digital de la IA impone una nueva articulación entre esos dos términos,
en el marco de curvas de reordenamiento y de sustitución de tareas. Cada
revolución tecnológica articula una cooperación distinta entre el conoci-
miento y el trabajo, con simbiosis históricamente diferenciadas (Daugh-
erty y Wilson, 2018). Tales dinámicas muestran el rol de las tecnologías de
punta en cada ciclo tecnológico en el aumento de los requerimientos de ca-
pacidades humanas. Daugherty y Wilson (2018) plantean una distribución
de tareas entre humanos y máquinas en cada ciclo tecnológico o en cada
innovación. Es un proceso continuo de adaptación y recomposición que
se da en todas las áreas y, sin duda, en las propiamente educativas. Asigna
unas tareas a los humanos, otras a las máquinas y eventualmente genera un
territorio común, compartido y en disputa, tal vez determinado por costos,
escalas, normas o políticas.
Cuadro 1. Articulaciones entre hombres y máquinas

Dirigir Empa- Crear Juzgar Entre- Expli- Susten- Am- Inter- Em- Gestio- Iterar Prede- Adaptar
tizar nar car tar pliar actuar prender nar cir
Actividad humana Humanos complemen- Las máquinas empo- Actividades sólo de las
exclusivamente tando a las máquinas derando a los humanos máquinas
Actividades híbridas, humanas y de máquinas
Fuente: tomado de Daugherty y Wilson (2018).
13
Estos autores conciben la existencia de una relación histórica simbiótica
entre las tecnologías y las personas, con áreas de tareas que se apoyan exclu-
sivamente en actividades humanas y áreas de tareas que sólo realizan las má-
quinas y las zonas intermedias e híbridas, en las cuales conviven y se articulan
en distinta proporción actividades humanas y de las máquinas. Esta articu-
lación ha ido cambiando, asociada a los cambios tecnológicos y del conoci-
miento e impulsada por la búsqueda de mayores niveles de eficiencia, pro-
ductividad y calidad, en entornos competitivos y mercantiles —y, por ende, de
búsqueda de beneficios— ya que actualmente muchas actividades se pueden
realizar con una menor proporción de trabajo y una mayor proporción de
conocimiento. Esta mirada de que el trabajo y la máquina se complementan,
se apoya en la existencia de una curva de interacciones y distribución que no
se refiere meramente a la sustitución de factores entre trabajo, capital y recur-
sos, que constituyó el marco tradicional derivado de la economía clásica. Es
una concepción centrada en la existencia de un proceso continuo de diferen-
ciación y reestructuración de tareas producto de la propia evolución de los
conocimientos y las tecnologías que, a su vez, impone cambios permanentes
tanto en los niveles de formación de las personas, como en la pertinencia de
los sistemas educativos. Así las cosas, son dinámicas continuas adaptativas,
marcadas por los distintos ciclos tecnológicos y sus características técnicas,
que plantean desafíos a los sistemas educativos, los cuales deberán responder
a estas alteraciones de tecnologías más complejas y a la preparación de las per-
sonas para el nuevo mundo del trabajo en cada contexto.
Con la segunda disrupción digital marcada por el ingreso de la IA es-
tamos frente a cambios en el mundo del trabajo y, por ende, en el mundo
educativo (Rama, 2023), tanto por ser un área de desempeño laboral como
por formar personas para ejercer en el mundo del trabajo. En este sentido,
en la educación habrán de redefinirse los tipos de trabajo docente humano
y cómo será la articulación con la IA. Se asume que muchas cosas serán au-
tomatizadas y que aquéllas que no puedan serlo aumentarán su valor y sus
costos por requerir de un mayor componente laboral. La velocidad del cam-
bio en el mundo del trabajo es incremental; su dinámica torna cada vez más
incierto el panorama futuro y conforma escenarios altamente confusos con
relación a los trabajos que se crearán, y acerca de los trabajos para los cuales
estudian las personas actualmente y que dejarán de existir. El impacto de
los cambios que se vienen requerirá de transformaciones permanentes en
los currículos y la aparición de un nuevo paradigma educativo centrado en
enseñar para una sociedad donde el trabajo será más colaborativo con las
máquinas, en entornos en red, con big data y componentes globalizados, así
como con alta variabilidad de los entornos laborales.
La velocidad del cambio impulsa la necesidad de una dinámica innova-
dora y flexible de las instituciones y de sus procesos de enseñanza (Stiglitz y
Greenwald, 2016). La innovación continua, la conformación de ámbitos fo-
calizados en la innovación, la atención a los cambios en el mundo del traba-
jo, así como en las oportunidades y necesidades de los estudiantes requerirá
impulsar potentes sistemas de análisis de los procesos educativos y laborales
utilizando IA y big data, todo lo cual marcará las trayectorias futuras de las
instituciones universitarias.
El trabajo humano estará más articulado a las actividades de las máquinas
y algoritmos a través de la IA (Rouhiainen, 2018). Se enseñará para un mundo
apoyado en la máquina, herramienta de la IA en red, donde habrá diversos
entornos de trabajo: uno totalmente de trabajo humano, uno de máquinas y
uno intermedio, con diversidad de tareas interrelacionadas entre personas y
máquinas.
Ello derivará en una demanda de actualización de estudios y especia-
lización asociada al aumento del conocimiento y la innovación, mientras
que otros se volverán obsoletos y se depreciarán. Los rasgos que sólo pue-
den tener los humanos, como la imaginación, la creatividad, la intuición, la
emoción y la ética, serán más importantes, ya que las máquinas son buenas
para simular, pero no para realizar esas tareas en el mundo del trabajo. Los
perfiles de egreso de la educación superior más humanos, más creativos y
flexibles serán privilegiados. La ética y la capacidad de trabajo en equipo,
entre otras competencias, se constituirán en ejes significativos ante la auto-
matización del trabajo. Las empresas, además, buscarán y valorarán perfiles
laborales enriquecidos por la educación permanente y dotados de carteras
de competencias diferenciadas que permitan no sólo una especialización,
sino varias; y, sobre todo, de la capacidad de integrar nuevas experiencias y
activos académicos a lo largo de la vida y de múltiples empleos.
La nueva agenda de la IA en educación
El campo de la inteligencia artificial nació en 1956, cuando un pequeño grupo

de científicos y especialistas en computación se cuestionaron la posibilidad de
que las máquinas pudieran imitar inteligentemente a los humanos. A partir del
conocido método científico de Descartes —desde hace varios siglos— como
base para la creación del conocimiento, la respuesta a aquella pregunta fue que
esa posibilidad, como acto de una IA, requería basarse en los procesos de dicho
método. Para concebir la creación de conocimiento bajo sistemas artificiales
informáticos, dichos científicos proyectaron un modelo de programación
centrado en realizar observaciones a través de analizar datos, formular pre-
guntas, identificar hipótesis, diseñar y ejecutar experimentos para probar las
predicciones, analizar y validar las respuestas buscando parámetros comunes,
para después probar o negar dichas hipótesis y, a partir de allí, formular teorías
mediante el suministro de respuestas acertadas a los problemas o preguntas.
Este trabajo pionero fue la base de la inteligencia artificial, pensada como eta-
pas de una programación. Así, la programación formuló tareas modeladas
matemáticamente que después pudieron ser replicadas por las máquinas. La
posterior disrupción digital, la informática, los sensores, Internet, las redes y,
especialmente, las bases de datos dieron viabilidad y sustento práctico a estos
paradigmas de IA, junto a parámetros de ajuste y corrección.
Así, los procesos de observación científica realizados por los sistemas in-
formáticos sobre grandes bases de datos plantearon la posibilidad de crear
15
hipótesis con basamento estadístico y científico y, con ello, una IA. Como
derivación de este enfoque, la inteligencia artificial analiza situaciones sobre
grandes cantidades de datos y parámetros que las personas no estamos en
capacidad de hacer, incluso por no ajustarse a nuestros paradigmas o están-
dares tradicionalmente aceptados. Ello permite que las máquinas actúen
casi sin sesgos, pero, a la vez, como si tuvieran intuiciones humanas. Para
los seres humanos esto se traduce en formular una hipótesis a partir de un
hecho aislado e incluso descontextualizado, pero que, con base en algún
dato pasado, casi o del todo olvidado, nos lleve a formular una pregunta.
Mientras que los sistemas de procesamiento anteriores se basaban en me-
canismos de automatización para la selección y manejo de la información a
través de software que sigue “reglas” preprogramadas, la inteligencia artificial
constituye un nivel superior de clasificación, ordenamiento, depuración y
selección de los contenidos pertinentes; además, no sólo está diseñada para
organizar el pensamiento humano sobre la base de millones de parámetros,
sino que su sistema no es cerrado, ya que se basa en el reaprendizaje con base
en las interacciones. Es una máquina de aprender que mejora con el inter-
cambio e interacción, al tiempo que requiere cada vez mayor capacidad de
cómputo, así como redes y procesadores más potentes, mayor consumo ener-
gético, big data (bases de datos) y nuevas arquitecturas de programación, no
exentas, incluso ellas mismas, de la utilización de inteligencia artificial para
acelerar la eficiencia de los procesos de mejoramiento de la propia IA. Consti-
tuye una nueva tecnología de información y comunicación, sujeta a derechos
intelectuales de sus creadores, de acceso en red, resultado de una amplia in-
versión en equipamientos y en trabajo intelectual, que cambia la forma en la
cual accedemos a la información y el conocimiento, al constituirse en máqui-
nas de investigar que siguen los procedimientos de la investigación.
Al ser el conocimiento y la información la base de la creación de valor
en el actual contexto socioeconómico de la innovación, el impacto de la IA
se verá en todos los sectores: como factor que contribuye a una recomposi-
ción competitiva de los grandes productores y gestores de información de
la sociedad digital; y como expresión de una segunda fase del ciclo digital
previamente marcado por la irrupción de computadoras, la programación,
la Internet, las redes digitales y el big data, que tendrá enormes impactos en
la organización de los negocios y la productividad. Además, representará
un cambio sustancial del trabajo humano, porque estas nuevas “máquinas
de pensar” también son máquinas de predecir (Agrawall et al., 2019). La IA
constituye la herramienta más eficiente de impulso a la disrupción digital
en curso y funciona como un nuevo insumo tecnológico que permite ma-
yor eficiencia y ahorro de costos en los procesos de trabajo y de gestión de
las empresas. Al mismo tiempo, no sólo creará nuevas tareas para quienes
manejan estas “máquinas-herramientas”, sino que cambiará las competen-
cias de los profesionales ya que, al reorganizar la articulación en el trabajo
entre humanos y máquinas, modificará radicalmente las tareas que realiza,
actualmente, una enorme cantidad de profesionales.
Sin lugar a duda la robótica, la informática y la automatización de mu-
chos procesos mecánicos, de cálculo y de almacenamiento de datos, así
como de procesamiento han creado herramientas de cómputo eficientes y
capaces de auxiliar en forma directa a los trabajos. Ésta ha sido la palanca de
la transformación de las sociedades y de los incrementos de la productividad
más importantes desde los años noventa. La inteligencia artificial profun-
diza la disrupción y constituye un cambio sustancial en tanto que significa
una superación de los procesos de organización del trabajo y de la automa-
tización previa. Mientras que anteriormente la automatización mecánica
que impulsaba la programación digital impactaba fundamentalmente en
las actividades mecánicas y de baja densidad cognitiva, con la IA, el impulso
automatizador aparecerá en casi todas las actividades, y también en las que
tienen mayores componentes creativos. Tendrá impacto tanto en los cono-
cimientos simples relacionados con diversas tareas, como también en las ac-
tividades que se apoyan en el procesamiento y análisis de la información, las
cuales mejoran sustancialmente al apoyarse en IA. Hablamos de sectores que
tradicionalmente se pensaba que no serían sustituidos o impactados por el
avance de los procesos digitales, por lo que las resistencias son muy intensas.
En este sentido, estamos frente a un impacto novedoso que no incide en
la sustitución de trabajadores con tareas repetitivas y seriadas; la inteligen-
cia artificial impactará también en los trabajos profesionales que realizan
tareas de análisis y respuesta a partir de información de diagnóstico, ex-
periencia documentada y marcos conceptuales organizadores. Al cambiar
paulatinamente las relaciones de producción, lo digital y la IA cambiarán
también las relaciones sociales, especialmente, entre ellas, las educativas,
tanto en las formas de enseñanza como en los perfiles de egreso y las com-
petencias esperadas para recursos humanos, además de que se dará un re-
ciclaje de competencias.
Este nuevo momento reafirma el avance hacia lo que se ha llamado la
gestión científica, la educación adaptativa y los procesos de enseñanza auto-
matizada. Pero también plantea, a los sistemas educativos, el desafío de una
mayor formación en las ramas especializadas de la inteligencia artificial, y a
todo el sistema educativo de desarrollar nuevas competencias informáticas.
La economía de la inteligencia artificial
La inteligencia artificial (AI) es la máquina-herramienta que ya está impul-

sando un nuevo ciclo económico y de disrupción digital, por constituir una
innovación del tipo de “creación destructiva” shumpetereana. No es sólo
una nueva forma de programación informática o de software y algoritmos,
sino que es parte integral de un amplio ecosistema marcado por sus interac-
ciones con bases de datos y sensores, con una enorme capacidad de comuni-
cación a través de rápidas redes inalámbricas 5G y de fibra óptica submarina
junto a procesadores potentes articulados por la mecatrónica al internet de
las cosas (Rama, 2023). Todo este sistema integral es lo que permite que la IA
se constituya en el iceberg de un mecanismo más eficiente de incorporación
17
de conocimientos y datos en los procesos de trabajo en red para mejorar los
niveles de eficiencia en todas las actividades. Pero, además, en tanto impulsa
el incremento de la densidad tecnológica de los procesos de trabajo, promo-
verá una nueva articulación ser humano-máquina y con ello las dinámicas
de sustitución y cambio de la mano de obra, así como una exigencia dife-
rente de formación y desarrollo de competencias laborales en el mundo del
trabajo. Tendrá un impacto de la misma magnitud de otras innovaciones
rupturistas, como la electricidad, la cadena de montaje o la computadora.
Gracias a estas configuraciones, la IA impactará en todas las dimensio-
nes, pero su mayor incidencia será en el sector económico, al reducir los
costos y mejorar los niveles de la producción. Con ello se conformará una
palanca que reconfigurará casi todos los sectores y áreas de la sociedad, y
será un motor de impulso a un salto en la productividad. El eje central de la
disrupción de la IA refiere a la incorporación de conocimiento actualizado
y de forma permanente, para así aportar mayor certidumbre a los procesos
de trabajo, al tiempo que contribuya a reducir las jornadas laborales y resol-
ver las ineficiencias de mano de obra o las pérdidas en la utilización de los
insumos. Al agregar información y reducir las incertidumbres y los riesgos,
también disminuyen los costos relativos y aumenta la productividad.
Este tipo de impacto estructural no es una novedad. Todas las grandes
disrupciones en la historia han incidido sobre las estructuras de costos e in-
sumos y han propiciado nuevas etapas de crecimiento. El pasaje de la manu-
factura a la gran industria con la cadena de montaje permitió la mecanización
y la sustitución de obreros-artesanos, y con ello se redujeron los costos labo-
rales; el computador personal y el software de la revolución digital, al aportar
mayor capacidad de procesamiento, redujeron el costo de hacer cálculos; y
los buscadores de Google bajaron los costos de búsqueda de información.
Como máquina predictiva y de investigación, la IA, al agregar nueva in-
formación y nuevas perspectivas, reduce la incertidumbre de las actividades
económicas y, con ello, la producción y la demanda tendrán menor incerti-
dumbre, mayor eficiencia y costos más bajos. Al haber mayor precisión en la
identificación de las cantidades demandadas la producción podrá hacerse
casi a pedido.
El riesgo, como la incertidumbre, imponen un costo elevado que sólo
la información permite minimizar; en ese sentido, la IA es capaz de reducir
los riesgos a través de diagnósticos, respuestas o previsiones, y aumentar las
oportunidades de inversiones y maximizar las utilidades. Ello no será pun-
tual, sino permanente y automático, en tanto que la información se produ-
ce en dinámicas de interacción continuas con personas, sensores o bases de
datos. Al producir información más fiable habrá menos riesgos en todos los
negocios y podrán tomarse decisiones más precisas. En un mundo global
incierto por la proliferación de actores y cambios, la IA contribuirá a mini-
mizar dichos riesgos, gracias a su capacidad de anticipar los problemas. Esta
herramienta supera ampliamente a las técnicas de regresión, los análisis ba-
sados en escenarios prospectivos o los modelos econométricos que dan res-
puestas limitadas. Prever con mayor probabilidad de acierto y menos margen
de error, y con bajos costos relativos al ser sistemas automatizados, facilitará
prever los niveles de consumo, posibles problemas de logística, las acciones de
las/los consumidores y las infinitas decisiones que toman las personas en la
vida social y laboral, de manera que el funcionamiento de los mercados podrá
ser más eficiente. La IA constituye una tecnología que logra el abaratamiento
relativo del costo de la información y un aumento de su calidad, precisión,
pertinencia y fiabilidad, con lo cual disminuye el riesgo de error en todas las
actividades. Algo simple, pero que moverá la economía global.
En este escenario, como vimos, la IA es una máquina de investigar, una
máquina de predecir y una máquina de aprender, pero también será una
máquina de enseñar.
La educación programada y la inteligencia artificial
La IA contribuirá a instrumentalizar la enseñanza programada, planteada

por el psicólogo Skinner (1970) a fines de los años cincuenta. Se trata de un
método de aprendizaje estructurado y reglado por condiciones controladas,
basado en el suministro de unidades muy diferenciadas de conocimientos a
través de recursos de aprendizaje, evaluaciones precisas y una retroalimen-
tación continua. Skinner planteó un modelo de enseñanza centrado en la
evaluación de los aprendizajes que generara evidencias científicas capaces
de facilitar una retroalimentación educativa como parte del ciclo de la en-
señanza. Además, propuso la creación de “máquinas de aprendizaje” que
pudieran guiar a los estudiantes con reducida intervención humana directa
y con ello inició un camino de creación de múltiples equipos mecánicos, los
cuales, sin embargo, fracasaron, ya que no lograron ajustarse y responder a
los infinitos componentes cognitivos y a los procesos muy individualizados
y diferenciados que supone el aprendizaje.
Con la aparición de lo digital y el desarrollo de la informática —que es
más flexible que la mecánica al separar el hardware del software— se recon-
sideró el enfoque del autoaprendizaje guiado, ahora mediante aplicaciones
informáticas. El eje se colocó en la evaluación de los aprendizajes separada-
mente, individualizados, asociados a determinados recursos y competen-
cias y, posteriormente, se suministraron unidades de refuerzo para volver a
realizar las evaluaciones sobre la base del cumplimiento de mínimos obli-
gatorios para dar continuidad a las trayectorias educativas para las distintas
unidades curriculares.
Todos estos enfoques se basan en diagnosticar los conocimientos previos,
fragmentar las unidades de aprendizaje, evaluar su aprendizaje en forma deli-
mitada y complementarlo mediante recursos específicos. Será con la “máqui-
na herramienta” de la IA que se podrá alcanzar la posibilidad de la “máquina
de aprendizaje”. Actualmente la programación tradicional está limitada en su
desarrollo educativo, al estar estructurada con base en la existencia de res-
puestas preestablecidas; en contraste, la inteligencia artificial aprende de ella
misma en la interacción, gracias a que está diseñada para aprender al buscar
nueva información y escudriñar patrones (como los humanos), aprender de la
19
experiencia (como los humanos) y auto seleccionar las respuestas apropiadas
basadas en nuevos resultados (como los humanos). En tanto es una máquina
de aprender, es factible que sea una máquina de enseñar. Es su flexibilidad
y su capacidad de interactuar y, con ello, de aprender sin estar programada
explícitamente para ello, así como de cambiar sus propios parámetros, lo que
le aporta su capacidad para facilitar un autoaprendizaje mediado.
La inteligencia artificial como máquina impone una nueva articulación
con las personas, y en lo educativo, entre los conocimientos, las técnicas y
los docentes en la tarea de enseñar. Facilita y cambia los autoaprendizajes
y, por ende, mejora la eficiencia de la enseñanza. Los docentes, de ser los
únicos protagonistas con la enseñanza 1.0, o dominantes en la enseñanza
2.0 apoyada por el libro, o en la enseñanza 3.0, apoyada en componentes
analógicos y por industrias que, a su vez, se basan en las ondas hertzianas
o videos, pasan, en la enseñanza 4.0, a actuar articulados a la “máquina de
enseñar” de la IA. Ahora serán tutores, mentores o coaches de los estudian-
tes en entornos digitales y contarán con recursos de aprendizaje apoyados
en inteligencia artificial. Al contar con multimedia, plataformas digitales
y programación informática educativa a través de componentes interacti-
vos y bots (aféresis de robot), los docentes deberán cambiar sus funciones
y tareas hacia unas más creativas, de planificación de los aprendizajes, de
asistencia individualizada tutorial; como especialistas en evaluación o cu-
radores e integradores de los recursos de aprendizaje. Este cambio también
implicará, seguramente, que se altere la proporción de docentes, en tanto
“insumos” de los procesos de enseñanza, dado el mayor peso de los compo-
nentes tecnológicos en los resultados de los aprendizajes.
De los primeros bots como programas informáticos que realizan auto-
máticamente tareas mecánicas de respuesta a través de Internet, o de redes
cerradas a través de buscadores, o rastreadores web y motores de búsque-
da —mismos que recorren los diversos sitios recopilando información de
manera mucho más rápida y efectiva de lo que lo harían las personas— con
la IA hay un cambio sustancial al pasar a sistemas que, además de hacer lo
anterior, interpretan, organizan y producen información y aprenden cons-
tantemente. Si consideramos los bots iniciales como Siri de Apple o Alexa
de Amazon, la IA es capaz de mejorar los algoritmos de respuesta y análisis,
lo que los hace mejores interlocutores que estarán disponibles siempre que
se les requiera (on-demand) para seleccionar y entregar contenidos de in-
formación y aprendizaje adaptados a las personas. Cada estudiante tenderá
a tener su propio “robot” que lo acompañará en su carrera, incluso corri-
giéndole, las 24 horas del día, todos los días; que no se cansará de marcar los
errores o precisar la información sin que el estudiante tenga que acudir a
los libros en red para consultarla. Además, ese “robot de enseñanza” propio
mejorará cada vez más a través del intercambio con su usuario.
Estos mecanismos informáticos de machine learning o inteligencia artifi-
cial serán las herramientas de la enseñanza del futuro que aportarán mayo-
res capacidades de selección, depuración, jerarquización y organización de
la información, especialmente tanto en la redacción o corrección de textos,
como en la evaluación de los aprendizajes. Estas iniciativas y desarrollos, aún
en fases preliminares, serán a futuro más operativos, eficientes y precisos en
el suministro de respuestas a estudiantes, docentes y profesionales; y conta-
rán con diversos niveles de complejidad sobre la base de las necesidades de
los usuarios, a medida que interactúan con ellos y con bases de datos, como
resultado de sus sistemas propios de machine learning o autoaprendizaje.
Con la IA, los docentes podrán recibir informaciones y datos de mayor
profundidad, especialización y detalle de los aprendizajes estudiantiles, que
les permitirán consolidarse como efectivos tutores, capaces de orientar, mo-
tivar e inspirar, en función de los intereses y las aspiraciones individuales o
colectivas de sus estudiantes. Del mismo modo, el análisis de los datos per-
mitirá construir escenarios prospectivos de resultados de aprendizaje para
las personas y, por ende, políticas para prevenir la deserción.
En tal sentido, la IA no sustituirá a los docentes, sino que conformarán
una dupla integrada de trabajo que será más eficaz para contribuir al apren-
dizaje de los estudiantes. Si en otros tiempos la articulación de tareas fue re-
sultado de una división social y técnica entre docentes y estudiantes, con el
aula y sus componentes, con los libros de texto o guías didácticas, bibliote-
cas y laboratorios, con recursos planos de aprendizaje o con las plataformas
o los simuladores; hoy la división del trabajo debe integrar a la inteligencia
artificial mediante bots, plataformas interactivas adaptativas y otros recur-
sos para el aprendizaje.
Conclusiones
La construcción de una educación personalizada que responda y se ajuste

a las características de los estudiantes, tanto en sus formas de aprendizaje
como en sus ritmos y necesidades, constituye uno de los objetivos pedagó-
gicos centrales de las políticas educativas y es una de las derivaciones de la
incorporación de la IA a la educación. En parte, los problemas de calidad de
la educación son derivados de la desigualdad estructural entre una enseñan-
za masiva y un aprendizaje individual, lo cual crea más distancia y desfase
entre la enseñanza y el aprendizaje. Las políticas, tecnologías y pedagogías
constituyen mecanismos para reducir esos desequilibrios entre el enseñar
y el aprender, los cuales se han ampliado con la expansión y renovación del
conocimiento , así como con las diferenciaciones y segmentaciones del mer-
cado de trabajo. La respuesta educativa para reducir los desequilibrios se ha
centrado en la actualización de los programas y su acreditación, una mayor
formación docente, flexibilización curricular o un enfoque por competen-
cias, pero todo ello no ha logrado resolver la tensión entre sistemas de ense-
ñanza masivos y poco diferenciados, y aprendizajes totalmente individuales.
Esta educación masiva y sin personalización es parte importante del proble-
ma que ya se está resolviendo con sistemas automatizados de atención, cuya
eficiencia será superior mediante una atención más particularizada con IA.
La personalización y diferenciación de la enseñanza es el mecanismo idó-
neo para responder a este problema estructural y profundo de los sistemas de
21
enseñanza de masas. Sin embargo, esto sólo será posible con la programación
informática adaptativa de la inteligencia artificial, ya que ésta se conforma
como la herramienta idónea para articular la enseñanza con los ritmos, for-
mas y dinámicas de los aprendizajes individuales mediante sistemas perso-
nalizados de enseñanza que se apoyan en el conocimiento de los estudiantes,
de sus contextos, sus aprendizajes reales y que, a la vez, generan una retroali-
mentación con un seguimiento y análisis de sus trayectorias escolares.
La inteligencia artificial permite, a nivel colectivo e individual, identi-
ficar distintos niveles de riesgo de deserción estudiantil en función de sus
resultados, origen social, geográfico, cultural y de sus dinámicas de vida;
con estos insumos será posible alcanzar una atención educativa preventi-
va y personalizada que incluya acciones pedagógicas de compensación a
través de docencia tutorial, recursos de aprendizaje personalizados o si-
muladores de prácticas individuales en red. En tal sentido, la IA será una
herramienta fundamental de apoyo a los docentes, ya que podrá identificar
debilidades durante el proceso mismo de aprendizaje, de forma preventiva,
gracias al manejo de mucha información y dedicación personalizada que
ni los docentes ni las instituciones están en posibilidades de realizar. La IA
puede estar 24 horas al día atendiendo respuestas a preguntas y consultas o
corrigiendo acciones, cosa que los docentes no pueden hacer. La dificultad
de dar respuestas personalizadas en grandes grupos propicia el retraso, la
deserción y el abandono escolar de los sectores con menos capital cultural.
El aula dificulta la atención diferenciada por parte del docente, cada vez más
cargado de horas de docencia.
Con la disrupción de la educación digital, la creación de aulas virtua-
les y dinámicas más personalizadas y flexibles, se abre una oportunidad
enorme para una enseñanza a la vez masiva e individualizada, que es la base
del desarrollo en la construcción de la enseñanza 4.0. La masificación de la
diversidad y la necesidad de políticas de inclusión, junto con el reconoci-
miento de las diferencias, incentiva la necesidad de una educación perso-
nalizada, diferenciada y flexible. La inteligencia artificial permitirá encarar
un mayor avance en este camino de flexibilidades, gracias a bases de datos
e interacciones individuales con los estudiantes. La educación apoyada en
sistemas informáticos con IA permitirá mantener y expandir una educación
de masas y, al mismo tiempo, desarrollar una educación personalizada con
una atención automática e individual, tanto en lo administrativo como en
lo académico, con todas las complejidades que esto implica, al tiempo que
también se atienden los aspectos éticos (UNESCO, 2021).
Referencias
Agrawall, Ajay, Joshua Gans y Avi Golfard (2019), Máquinas predictivas, Barcelona,
Reverté.
Byug-Chun, Han (2022), Infocracia. La digitalización y la crisis de la democracia, Bar-
celona, Taurus.
Daugherty, Paul y James Wilson (2018), Human + Machine. Reimagining word in the
Age of IA, Boston, Harvard Business Review Press.
Durand, Cedric (2021), Tecnofeudalismo, crítica de la economía digital, Adrogué (Ar-
gentina), La Cebra.
Kissinger, Henry, Eric Schidt y Daniel Huttenlocher (2021), The Age of AI: And our
human future, USA, John Murray Press.
Krondratieff, Nicolai (1972), Los ciclos económicos largos, Madrid, Akal.
Rama, Claudio (2023), La disrupción digital, la universidad 4.0 y la inteligencia artificial,
México, UDUAL .
Rouhiainen, Lasse (2018), Inteligencia artificial. 101 cosas que debes saber hoy sobre
nuestro futuro, Barcelona, Alienta.
Skinner, Burrhus Frederic (1970), Tecnología de la enseñanza, Barcelona, Labor.
Srnick, Nick (2021), Capitalismo de plataformas, Buenos Aires, Caja Negra.
Stiglitz, Joseph y Bruce Greenwald (2016), La creación de una sociedad del aprendizaje,
Madrid, La Esfera de los Libros.
Toffler, Alvin (1998), The Third Wave, Nueva York, Bantam.
UNESCO (2021), Recomendación sobre la ética de la inteligencia artificial, París, UNESCO.
23
Discurso, experiencias y acciones frente
al ascenso de la inteligencia artificial
Ernesto Treviño Ronzón*
Este artículo presenta un conjunto de reflexiones Palabras clave

acerca de los usos actuales de la inteligencia arti-
ficial y sus posibilidades y retos para la educación. Inteligencia artificial
La exposición se basa en conceptos básicos como Discurso
discurso, mito e imaginario, que son usados para TIC
hacer un recorrido sobre algunas experiencias pre-
vias en materia de apropiación de la tecnología en Educación
ámbitos educativos. También se presentan algunas Políticas educativas
consideraciones sobre los retos de los modelos más Plagio académico
recientes de inteligencia artificial basados en el uso
del lenguaje natural y en el procesamiento de gran-
des volúmenes de datos. Se cierra con una serie de
consideraciones acerca de los retos que los actuales
desarrollos tecnológicos plantean para las institu-
ciones educativas y para la acción pública organiza-
da, de cara a retos ingentes como la reducción de la
desigualdad y la consolidación de la sostenibilidad.
* Investigador titular en el Instituto de Investigaciones Histórico-Sociales de la Universi-
dad Veracruzana (UV) (México). Doctor en Ciencias con Especialidad en Investigacio-
nes Educativas. Publicaciones recientes: (2022, en co-coord. con D.M. Cabrera Hernán-
dez), Cien años de la Secretaría de Educación Pública. Diálogos desde el presente, México,
Balam; (2021, coord.), La educación y el conocimiento bajo el espectro del neoliberalismo
en América Latina: análisis para entender sus consecuencias sobre las políticas, las insti-
tuciones y los sujetos, México, Universidad Veracruzana. CE: [email protected]. ORCID:
https://orcid.org/0000-0001-7687-7106
24 Perfiles Educativos | vol. XLV, número especial, 2023| IISUE-UNAM

Introducción
La rica historia de la educación está marcada por una multiplicidad de

cambios y continuidades que han sido ampliamente documentadas por la
investigación educativa realizada, tanto en el presente como en el pasado,
en perspectiva sincrónica y en perspectiva diacrónica. Uno de los ámbitos
más interesantes y fascinantes en esta larga historia está relacionada con el
conjunto de dispositivos, técnicas y tecnologías que, de una manera u otra,
han enriquecido los procesos de enseñanza y aprendizaje y que, al mismo
tiempo, han tenido impactos en la forma en que se organizan los espacios y
los sistemas educativos; así como, en general, las formas de interacción entre
eso que llamamos educación y el mundo social.
Hoy en día sabemos que algunos de los principales objetos técnicos
empleados en los sistemas educativos han pervivido a lo largo del tiempo,
enriqueciéndose y transformándose, como los pizarrones, los libros de tex-
to, los marcadores, las reglas y los horarios de clase; todos éstos, junto con
una diversidad de materiales que estudiantes, profesores y padres de familia
aportan a la educación, constituyen un universo conceptual y procedimen-
tal (Granja, 2004). Pero también sabemos que, a partir de la formalización,
el desarrollo y la sofisticación de los sistemas educativos, los espacios de for-
mación de diferentes niveles han visto la llegada, la adaptación y la caída
en desuso de diferentes dispositivos, recursos técnicos y tecnológicos, con
diversas implicaciones para los procesos educativos.
Pensando en términos de la intensidad de los cambios, tal vez se podría
sostener la afirmación de que la llegada de recursos para enriquecer los pro-
cesos educativos se ha acelerado en los últimos 20 años. Muchos de quienes
actualmente se dedican a la investigación y la docencia han sido testigos de
cómo el desarrollo de la tecnología digital ha proyectado y extendido los
avances de la era computacional de la década de 1990, al tiempo que se in-
troducen nuevos elementos que complejizan y amplían las posibilidades
educativas. Sin embargo, es difícil hacer una valoración integral que per-
mita discernir si vivimos un momento de mayores o más relevantes cam-
bios tecnológicos, pues cada periodo histórico está marcado por sus propias
circunstancias sociales, culturales, económicas y educativas. Eventos como
un desastre natural, una crisis económica o una guerra, introducen marcos
referenciales que inundan con significantes, sentidos —e incluso con sen-
timientos o afectos— los marcos de representación a partir de los cuales se
interpreta el mundo. Probablemente éste es el caso con desarrollos tecnoló-
gicos como la IA y sus implicaciones para la educación, en el contexto de un
mundo que está saliendo de una pandemia que marcó un trágico hito en la
historia reciente de la humanidad.
En este contexto, una de las tareas básicas para los interesados en el cam-
po de la educación es abrir espacio a la reflexión y al intercambio de ideas y
de preocupaciones en torno a los nuevos desarrollos científicos y tecnológi-
cos. Por supuesto, no es fácil encontrar una manera adecuada de dialogar
en torno a la nueva etapa del desarrollo de la inteligencia artificial (IA) y su
E. Treviño | La educación y el devenir digital
25
impacto en la educación, en particular si no estamos familiarizados con su
funcionamiento, sus particularidades técnicas, o si estamos fuera del circui-
to de conversación especializado que se ocupa de estos temas.
Probablemente, lo primero en esta tarea es reconocer que, como otros
desarrollos tecnocientíficos, la IA ha estado presente en nuestras vidas por
largo tiempo; hemos sabido y conocido de ella a través de las noticias o de
algunas de sus aplicaciones prácticas, así como a través de la cultura popular,
por ejemplo, por películas o series de cierto género, como la ciencia ficción.
Aunque a veces lo pasamos por alto, la IA se ha desarrollado en gran medida
bajo el cobijo de instancias universitarias y de investigación académica en
diferentes partes del mundo. Hoy en día, hay innumerables programas aca-
démicos y de investigación dedicados a su desarrollo en forma de licenciatu-
ras, especializaciones, maestrías y doctorados, si bien actualmente su princi-
pal frente de innovación está en manos de grandes empresas trasnacionales.
Aunque la IA rara vez es protagonista de nuestras conversaciones acadé-
micas o de nuestros planes de acción, el reciente desarrollo de modelos con
rasgos y capacidades específicas ha cambiado la atención hacia ella. Parti-
cularmente, el diseño de sistemas de interacción que simulan la inteligencia
humana —basados en lo que podríamos llamar el lenguaje natural y que
circulan por diferentes dispositivos personales— asociados con una gran
capacidad de cómputo, así como el acceso a inmensas cantidades de da-
tos parecen introducir nuevas variables que nos han hecho mirar con más
atención —y a veces con cierto grado de asombro y de preocupación— los
alcances de estas innovaciones, así como a preguntarnos qué implicaciones
tienen para nosotros y, por supuesto, para la educación.
En este contexto, el propósito de este artículo es introducir un conjunto
de reflexiones en torno a las implicaciones y retos de la IA para la educación
como actualmente se nos está develando. La particularidad de este texto
frente a otros que están disponibles ya en el campo es que, además de abor-
dar algunas de las posibilidades, las expectativas y los posibles alcances de la
IA para la educación, propone reflexionar sobre su dimensión discursiva y
sobre algunas de sus posibles implicaciones a la luz de un conjunto de con-
ceptos en el marco de una lógica de reconocimiento de las continuidades y
las variaciones en materia de apropiación social de la tecnología.
El texto se organiza de la siguiente manera: en primer lugar se presenta un
conjunto de consideraciones conceptuales básicas que buscan socializar con
el lector algunos de los retos e implicaciones de pensar la relación entre inte-
ligencia artificial y educación. El marco general para esta reflexión lo otorga
la noción de discurso, así como la idea de mito y de imaginario que sirven,
además, para proponer una suerte de sustento teórico a uno de los argumen-
tos básicos del texto: la relación entre la inteligencia artificial y la educación
depende, más que de actos voluntaristas, de la forma en que se construyen
significados, aspiraciones y marcos de interacción entre los objetos tecnoló-
gicos, la subjetividad y los procesos educativos, en el presente y en el futuro.
En el segundo apartado se desarrolla un conjunto de reflexiones en torno
a la forma en que la vida cotidiana dentro y fuera de la escuela proporciona
elementos para entender la tecnología artificial y sus potencialidades para el
campo educativo. Se trata de hacer evidente algo que en ocasiones se pasa por
alto: el acceso a la tecnología y la forma en que se usa en el campo educativo
está mediado por prácticas heterogéneas de intensidad variable, situadas en
tiempos y espacios, que no necesariamente están sustentadas por algún tipo
de conocimiento detallado de dicha tecnología; y esto debe ser objeto de aten-
ción desde la investigación. Para comprender lo anterior es necesario hacer una
breve reflexión sobre algunos de los aprendizajes que dejaron las diferentes olas
de apropiación de la tecnología en el campo educativo, en el cambio de siglo.
El tercer apartado se enfoca en algunas de las numerosas posibilidades
y retos asociados al uso de tecnologías novedosas en su incursión en el ám-
bito educativo. Se abordan aspectos como la disponibilidad de nuevos ele-
mentos discursivos que acarrean nuevos marcos de conceptualización y de
proyección imaginaria de lo educativo y se resumen algunas áreas de uso de
la IA pertinentes para contextos como México.
A partir de los elementos presentados, el artículo cierra con elementos
para una agenda de discusión; allí se retoman algunas de las preocupaciones
y propuestas vertidas por académicos, activistas y empresas trasnacionales
en torno a las posibilidades, las exigencias y los riesgos del uso de tecnolo-
gías como las que en la actualidad dan forma a la inteligencia artificial. Muy
probablemente se requerirá la intervención coordinada de diferentes acto-
res sociales en una lógica de acción pública intensiva que permita contener
algunas de las repercusiones negativas de un tipo de tecnología dominada
por grandes corporaciones privadas.
Antes de dar paso al desarrollo del artículo son pertinentes dos acotacio-
nes. Primeramente, para la redacción de este documento se revisó un con-
junto de materiales heterogéneos relacionados con la génesis, el desarrollo e
impacto de la inteligencia artificial en diferentes ámbitos de la vida contem-
poránea; así como diferentes artículos relacionados con las apropiaciones de
las tecnologías digitales de última generación en la educación. Asimismo, se
revisaron documentos de organismos multilaterales y, por supuesto, se recu-
pera la experiencia propia en el ámbito de la investigación y docencia. Una
parte de todos estos documentos serán citados a lo largo de la exposición.
La segunda acotación hace referencia al tono de este artículo: los argu-
mentos aquí esgrimidos intentan ser equilibrados; no se tiene una particu-
lar convicción a priori acerca de las virtudes o riesgos de la inteligencia arti-
ficial. Aunque, como muchos otros académicos, tiendo a ser entusiasta de la
tecnología, también soy escéptico frente a las promesas que la rodean. No se
afirma aquí que la IA vaya a transformar o revolucionar la educación, pero
sí se impulsa la idea de que, como otras innovaciones, dejará una huella sig-
nificativa. Por ello es que, deliberadamente, se ha intentado contener toda
noción especulativa que resulte en recomendaciones a priori sobre cómo
las instituciones de educación deberían adoptar ese tipo de tecnologías. En
cambio, se introducen referencias basadas en experiencias sobre cómo ya se
está haciendo en algunos lugares, de tal forma que los interesados en estos
temas puedan dar seguimiento a las ideas.
27
La actual coyuntura social, tecnológica y política hace muy relevante
impulsar espacios de diálogo desde diferentes ángulos sin importar qué tan
familiarizados estamos con estos temas en aras de documentar y construir
proyectos a varias voces en un marco de ética pública y compromiso frente
a las responsabilidades de la educación. Espero que este artículo aporte al-
guna idea en esta dirección.
Retos conceptuales para entender la inteligencia

artificial y sus vínculos con la educación
En este documento la inteligencia artificial es al mismo tiempo un significan-

te y todo un orden discursivo; entendemos por discurso un amplio campo de
diferencias donde significados, significantes, sentidos, prácticas y objetos in-
teractúan articulando y rompiendo estructuras de significado y sentido (La-
clau, 2014). Desde esta perspectiva es posible notar y asumir cómo se ha en-
riquecido la noción de inteligencia artificial. Por un lado ha sido entendida,
desde sus primeros desarrollos, como “la ciencia e ingeniería de desarrollar
máquinas inteligentes, especialmente, programas computacionales inteli-
gentes” (McCarthy, 2007: 1). Otros autores agregan a la noción la particula-
ridad de ser un tipo de construcción y desarrollo de tecnología que puede
aprender a tomar decisiones autónomas y desarrollar acciones en representa-
ción o en sustitución (on behalf) de las personas (Rouse, 2023). Este enriqueci-
miento gradual de la idea de inteligencia artificial es una ventana interesante
para entender parte del gran proceso social y tecnológico ocurrido desde la
década de 1950 en términos de desarrollo teórico multidisciplinar y de traba-
jo experimental, así como las diversas implicaciones prácticas en diferentes
ámbitos de la vida contemporánea, marcadamente en la educación.
Al día de hoy, en el desarrollo de la IA converge un conjunto de desarro-
llos científicos, técnicos y tecnológicos que presuponen articulaciones inte-
resantes entre disciplinas y campos de acción. Si bien las ciencias informá-
ticas o ciencias de la computación tienen un predominio en el desarrollo de
este tipo de tecnologías, la realidad es que otros campos como la lingüística,
las ciencias cognitivas, las ciencias de datos que implican a la estadística y
las matemáticas y, por supuesto, diferentes ingenierías, tienen también una
gran incidencia en el sentido que ha tomado la inteligencia artificial. Esto
genera una suerte de derrames conceptuales, de préstamos de términos y
de sentidos que en ocasiones pueden parecer transparentes, pero que son
siempre complejos.
Acentuamos aquí la idea de que la IA puede ser entendida como un gran
discurso o campo discursivo donde se estructura un conjunto de relaciones
de significado que interactúan de manera cotidiana con prácticas y proce-
sos que, a su vez, también tienen significados y que circulan profusamente.
Llamaré a este gran conjunto de elementos significantes el campo discur-
sivo de la IA. El discurso debe entenderse, en este contexto, como un con-
junto de prácticas y procesos con significado que presuponen —y disemi-
nan— nuevos significados en la medida en que se ponen en circulación. Al
interior de este gran campo que es la inteligencia artificial hay un conjunto
de términos que en la actualidad resultan fundamentales, como las nociones
de aprendizaje, inteligencia y algoritmo, entre otros, los cuales configuran
puntos de convergencia de sentidos y significados entre ámbitos y discipli-
nas. Por ejemplo, el término o significante aprendizaje, que es utilizado en
varios campos disciplinares como la educación, la psicología, la biología o
las ciencias computacionales, conecta de manera interesante, pero compleja,
a distintas personas en dichas disciplinas, por ejemplo docentes, estudiantes
y especialistas en programación o diseño. Todos los usuarios de estos tér-
minos, quienes a pesar de emplearlos no necesariamente pretenden dar a
entender lo mismo, participan de la construcción de un orden discursivo.
El desarrollo y popularización de aplicaciones o de modelos de IA basados
en lenguaje natural, que presentan interfaces directas y simples, que respon-
den a solicitudes sencillas y entregan soluciones o respuestas que se parecen
al tipo de razonamiento humano, han dado paso a un conjunto de represen-
taciones de la tecnología digital que puede alcanzar el estatus de mitos que
alimentan nuevos imaginarios sobre la tecnología y sus efectos en el trabajo, la
convivencia o la educación. La noción de mito que aquí se usa no se relaciona
con una invención sin sustento, o un tipo de exageración que se aleja de la
realidad; por el contrario, aquí la noción de mito se retoma de Laclau (1993),
para quien los mitos dan cuenta de un proceso por el cual se producen nue-
vos espacios de representación que tienen algún tipo de base en la experiencia
cotidiana, pero que no están necesariamente limitados a su empiricidad, pues
los significados producidos se distancian lo suficiente como para permitir un
cierto margen de acción a las personas que participan de ese mito.
El concepto de significado tiene relevancia para esta exposición porque
los modelos más recientes de inteligencia artificial, como los así llamados
grandes modelos de lenguaje (LLM) o inclusive los modelos basados en len-
guaje natural (NLP), emplean numerosas palabras de lenguaje ordinario,
pero las codifican o programan en lenguajes propios de la programación
que funcionan vía algoritmos y sistemas que, a su vez, pueden escanear
grandes cantidades de información y regresar resultados en términos que
resultan familiares. Las máquinas virtuales no “entienden” el sentido o
significado profundo de las palabras como lo hacemos los humanos; fun-
cionan por operaciones lógicas, semánticas, algorítmicas; por procesos de
inclusión-exclusión, pero eso no implica que los lectores o usuarios de sus
productos no tengamos que vérnoslas con los significados que nos regresan.
Por ello es que el discurso de inteligencia artificial debe ser entendido bajo
esta lógica de un gran campo de significados en circulación.
Las representaciones que sobre la IA se han diseminado en los últimos
años son tan atractivas como resbaladizas. Algunas de sus características
están sirviendo para proyectar ideas sobre sus posibilidades, tanto positivas
como negativas, y se plantean algunos escenarios deseables e indeseables.
En ese sentido, conviene recuperar la noción de imaginario también en el
pensamiento de Laclau, que da cuenta de la construcción de un orden de
representación en el futuro, es decir, es un ejercicio de pensar en aspectos
29
y escenarios que pueden ser interesantes, útiles o inclusive deseables, que
interesaría perseguir o impulsar a partir de lo que se sabe y se ha experimen-
tado, y que habrían resultado “positivos” con la inteligencia artificial.
Para tener una idea de los imaginarios en construcción sirve mirar al-
gunas de las tantas conferencias, charlas y pláticas disponibles desde por lo
menos 2019 en plataformas como YouTube o en sitios como TedTalk y notar
que la IA, como fue el caso de otras tecnologías, está dando paso, ahora mis-
mo, a una gran cantidad de proyecciones sobre el futuro del conocimiento,
de la educación, de la salud, del trabajo, de la movilidad, del entretenimiento
y las telecomunicaciones, del desarrollo de la ciencia y la tecnología. En gran
parte del mundo, esta construcción imaginaria regula el presente desde ese
futuro especulativo, de manera tal que numerosas actuaciones, dichos y
aspiraciones parecen estar fundadas en esa especulación de lo que puede
pasar si abrazamos las virtudes de la tecnología.
Tecnología digital y educación:

las experiencias frente a las expectativas
Dar cuenta de las implicaciones de la inteligencia artificial para la educa-

ción conlleva analizar cómo los sujetos educativos nos relacionamos con
ella en tanto asunto tecnológico, social y cultural que ha cambiado a lo largo
del tiempo. Los sujetos somos entes singulares-plurales (Nancy, 2006), cam-
biantes y con diferentes polos de configuración identitaria; los objetos tec-
nológicos, en tanto resultado de la actividad humana, también comportan
sentidos y significados que son intrínsecamente complejos y variables. Por
más que pudieran parecer externos a lo humano, como meros artefactos,
en realidad guardan una relación íntima con lo humano, con el contexto
y las circunstancias en que fueron diseñados y en los que funcionan o son
puestos en uso (Simondon, 2007). Estas referencias son útiles para compren-
der, por un lado, las experiencias previas en materia de uso de tecnologías
dentro y fuera de los espacios educativos (desde el nivel básico hasta el pos-
grado) y, por otro, nuestras expectativas sobre ellas.
Olas de apropiación socioeducativa de la tecnología

Como otras tecnologías, la inteligencia artificial no fue diseñada de origen
para actividades educativas, por ello vale la pena preguntarse acerca de cómo
la forma en que se está adoptando se parece y se diferencia de las maneras en
que otros desarrollos o innovaciones tecnológicas fueron incorporados en
los procesos educativos; bien vale la pena preguntarse también cómo se ha
modelado la educación a partir de esta incorporación de objetos tecnológi-
cos con racionalidades técnicas particulares (Valle y Jiménez, 2021).
En el ámbito educativo formal hay una serie de principios estables, más
o menos predominantes; uno de ellos se refiere a procesar lo nuevo o lo des-
conocido dentro de prácticas o esquemas familiares o altamente sedimenta-
dos. Nuevos conceptos, descubrimientos, avances de un tipo u otro se pro-
cesan en términos curriculares, didácticos, de planeación y administración
de los procesos educativos siguiendo una lógica que rara vez se traduce en
cambios radicales súbitos. Así ha sido el proceso por el cual los sistemas y
actores educativos han tendido a incorporar la tecnología en las organiza-
ciones educativas.
Una metáfora útil para pensar la incorporación de las tecnologías de
tipo informático en la educación es la de olas; no es nada original, pero per-
mite recordar que los nuevos objetos tecnológicos llegan a veces con fuerza
y a veces de manera más sutil, acompañados de retóricas enriquecidas sobre
su potencial para impulsar la transformación de la educación. Una vez que
pasa la efervescencia, la fuerza de la ola, hay un proceso de readecuación;
algo queda. Esto ocurrió con sus variaciones desde la década de 1970 con la
popularización de la TV y el video en las aulas (Faure, 1973); y también en los
ochenta y noventa con la llegada de diferentes generaciones de computado-
ras personales y la Internet.
Durante la última parte del siglo XX y al inicio del XXI, diferentes or-
ganizaciones internacionales, asociaciones y académicos en diversas partes
del mundo intentaron anticipar, recomendar, modelar de maneras diver-
sas la incorporación de la tecnología en los procesos educativos atendien-
do dimensiones filosóficas, curriculares, políticas, didácticas e, incluso,
económicas (Malitza, 1989; Silvio, 1989; Jouët y Coudray, 1993; Delors, 1996;
UNESCO, 1996, 2002; OCDE, 1988 y 2003; ANUIES, 2004; Claro, 2010). El campo
de la investigación educativa, sin duda, se amplió a partir de ello. En el caso
de México, revistas como Perfiles Educativos han sido espacios de resonan-
cia de este proceso (Pedraza et al., 2013; Kriscautzky y Ferreiro, 2018).
Una vez que ingresamos plenamente al siglo XXI las posibilidades de acce-
so e intercambio de información se ampliaron de manera exponencial gracias
al crecimiento de las redes interinstitucionales y de las redes internacionales
de comunicación digital. Millones de estudiantes, profesores e instituciones
educativas fuimos testigos y partícipes de la llegada a las aulas y laboratorios
de computadoras más potentes, equipos multimedia, pizarrones interactivos,
variaciones de software especializado, modelos cooperativos de enseñanza y
aprendizaje en línea y demás. Vimos llegar plataformas virtuales para la ense-
ñanza y el aprendizaje, así como numerosos objetos y recursos de aprendizaje.
En ese momento histórico se vivió una efervescencia de ideas e inicia-
tivas para mejorar la educación. La noción de e-learning —o aprendizaje
mediado digitalmente— junto con la creación de los cursos masivos en lí-
nea —tipo MOOC— ampliaron sin duda las posibilidades de la educación,
particularmente en términos de cobertura, y dieron un nuevo impulso a la
idea de educación a distancia o abierta.
Por supuesto, nada de esto ocurrió de manera homogénea: en todo el
mundo fue patente que no todos y todas estuvieron en condiciones iguales:
mientras que en algunos países y estratos sociales se tenía acceso a tecnolo-
gía de punta, en otros dicha tecnología nunca llegó. También es un hecho
que gran parte de estas apropiaciones se realizó sin capacitación adecuada,
y que la que existió fue desigual y heterogénea. Las políticas educativas, las
políticas tecnológicas y, en general, las intervenciones gubernamentales en
31
este ámbito se han caracterizado por su inconsistencia y su falta de integra-
lidad a pesar de estar basadas en un discurso enriquecido sobre la impor-
tancia de la tecnología. En este contexto fue que se intensificó un problema
añejo que no ha desaparecido: las desigualdades de acceso y uso de la nueva
tecnología son evidentes en la escala global y local (Journell, 2004).
Conforme el mundo entró en la segunda década del siglo XXI, una vez
popularizadas las tecnologías de movilidad digital individual con la disper-
sión de dispositivos que van desde pequeñas computadoras hasta tabletas y
celulares “inteligentes”, equipados con grandes capacidades de procesamien-
to de información, entramos en un nuevo momento de desarrollo y apropia-
ción social de la tecnología, también desigual en términos de su alcance y
distribución (por ejemplo, apareció el concepto de dispositivos de alta, me-
dia y baja gama). En este momento la IA comenzó a circular de manera más
intensa en las redes sociales y en dispositivos muy diversos. Esto abrió una
nueva etapa en la vida digital en la medida en que miles de niños y niñas,
adolescentes y adultos en distintos momentos de su desarrollo personal y,
en su caso, profesional, comenzaron a experimentar con nuevas formas de
interacción, estudio y trabajo en línea. También se intensificó el proceso por
el cual las personas diversificamos nuestra constitución identitaria: el mun-
do digital, las redes sociales, por ejemplo, no sólo comenzaron a extender los
espacios de experiencia, sino también la configuración de nuestro ser: desde
entonces nuestro ser en el mundo cotidiano de la casa, el trabajo o la escuela
puede o no coincidir con nuestro ser digital, pero se complementan.
La idea de comunicación en tiempo real y de acceso a datos de manera
casi permanente dio paso a la creación de una era de generación de datos
inédita en la historia de la humanidad. Por ejemplo, el mapeo del mundo a
través de Google Maps, la generación de contenidos masivos por parte de
usuarios vía YouTube, la creación de sistemas colaborativos estilo Wikipe-
dia, el uso de redes sociales basadas en sofisticadas bases de datos, robots
virtuales, redes y algoritmos complejos de uso masivo inauguraron una eta-
pa con profundos cambios culturales, económicos y hasta políticos.
Es pertinente tener presente un hecho que con frecuencia pasa desaper-
cibido y que es muy importante para la educación: la apropiación de este
tipo de tecnologías fue, en casi todos los casos, experimental, es decir, siguió
una lógica de uso vía ensayo y error. Nuevamente, las políticas y las interve-
ciones públicas han dejado mucho que desear, pues fue sobre todo en esta
lógica de familiarización informal como gran parte de estos dispositivos
llegados en diferentes olas encontraron sus lugares en las dinámicas de en-
señanza y aprendizaje. Aunque secretarías o ministerios de educación, uni-
versidades, escuelas Normales, centros de formación de docentes, grupos
de académicos y también miles de centros y empresas privadas se dieron
—y continúan dándose— a la tarea de preparar, entrenar, capacitar o dar
nociones para incorporar adecuadamente estos recursos en los procesos
educativos, su apropiación, para bien y para mal, ha sido un proceso suma-
mente heterogéneo. En las últimas décadas se ha generado una gran can-
tidad de bibliografía y materiales para esos fines específicos; no podemos
desconocer que una parte significativa de este esfuerzo ha tenido éxito, pero
no todo el mundo se ha apropiado de la tecnología de la misma forma, y
menos cuando se trata de orientarla a procesos de tipo educativo.
En buena medida, la investigación educativa que comenzó a desarro-
llarse en este ámbito durante la última parte del siglo XX, en México y otras
partes, ha permitido documentar con claridad los retos de la apropiación so-
cial y educativa de la tecnología, la cual se hace desde condiciones cultura-
les, económicas, lingüísticas y espaciales muy diversas (Lizarazo et al., 2013;
Ávila y Cantú, 2017). Cada esfuerzo institucional o personal por incorporar
tecnología de manera orientada ha debido enfrentar las incertidumbres, las
asimetrías sociales, los riesgos propios del contenido y del cambio de dinámi-
cas escolares. Aquí se vuelve al argumento inicial del apartado: las personas
que conforman las comunidades educativas no han usado la tecnología sin
referentes conceptuales o culturales, por el contrario, siempre se relacionan
con ellas a través de expectativas, de esperanzas, de miedos, de interés; y así
es como se construye una suerte de gesta tecnológica propia de cada persona
que se conecta con las de muchas otras personas, ya sea que estén cerca o lejos.
Por supuesto, la tecnología cambia; muchos de los dispositivos y desa-
rrollos tecnológicos entran, por una razón u otra, en tiempos breves, en
atraso y, finalmente, en desuso, por lo que la apropiación no termina. En el
caso de la educación algunos dispositivos e iniciativas de uso fueron burbu-
jas de innovación y otras pasaron con poco impacto por las aulas. En el caso
de México hay iniciativas así: Red Edusat (versión TV y versión digitaliza-
da), Red Escolar, los canales de TV educativa de diversas instituciones con
contenidos multimedia, Enciclomedia y las universidades o instituciones
2.0, entre muchas otras. Aunque ninguno de estos procesos “revolucionó”
la educación en el sentido de transformarla radicalmente, algo ha permane-
cido si pensamos en el mediano o largo plazo: no hemos renunciado en casi
ninguna parte del mundo a intentar aprovechar los avances de la tecnolo-
gía para apuntalar la educación, para mejorarla y hacerla de mayor calidad
—término polémico— relevante o pertinente. Hay una cierta convicción de
fondo: la educación, sea que ocurra en el nivel básico o en el nivel superior,
en un espacio específico o fuera de las aulas requiere hacer algo con la tec-
nología del momento. Pero, al mismo tiempo, es claro que los sistemas edu-
cativos por lo regular son reactivos, es decir, van siguiendo los avances y las
prácticas de los individuos; se adaptan como pueden e intentan incorporar
lo nuevo, más que intentar anticipar lo que sería deseable o necesario. Esto
se nota en varios ámbitos, como el equipamiento o la misma capacitación
de docentes, de la cual hablaré un poco más adelante.
Las incursiones en la IA
Aunque en el discurso de la IA circulan expresiones y metáforas —o signifi-
cantes— como los que usamos en la educación, tales como entrenamiento,
aprendizaje, aprendizaje profundo e instrucción, entre otros; y aunque mu-
chos de los avances en este orden se han hecho en instituciones universitarias,
es claro que ha sido desarrollado inicialmente con propósitos diferentes a los
33
de educar. En una de sus facetas, la IA tiene interfaces y resultados amigables,
pero aunque es difícil saberlo con precisión, es posible especular que gran par-
te de los usuarios de formas específicas de IA desconocen sus detalles de dise-
ño y funcionamiento: cómo están programadas, las fuentes de información
en que se basan, los criterios de inclusión y exclusión de los datos que usan y
expresan, entre otros aspectos importantes. Por supuesto, eso no nos impide
usarlas, aprender y entretenernos con ellas, comunicarnos a través de ellas e
incluso sentirnos de alguna manera sorprendidos por lo que pueden hacer.
Esta particularidad de usar y participar sin necesariamente comprender
cómo funcionan ciertas tecnologías presenta retos específicos para pensar
el futuro de la IA en el campo de la educación, pues una particularidad de
ese tipo de tecnología —frente a otras que han llegado a las aulas, talleres
y laboratorios— es que ha desbordado sistemáticamente su localización o
espacialidad y ha introducido variables temporales significativas. La IA no
sólo se ejecuta en computadoras (institucionales o personales, fijas o móvi-
les, grandes o pequeñas); puede funcionar en decenas de dispositivos móvi-
les como las tabletas y los celulares inteligentes, los relojes y los audífonos,
en numerosos equipos de entretenimiento y telecomunicaciones, incluso
en electrodomésticos (lavadoras, aspiradoras, refrigeradores, aparatos de
aire acondicionado), en autos, barcos o autobuses, en trenes y aviones. Pue-
de funcionar en cámaras de fotografía y vigilancia, en sensores dispuestos
en la calle, en lámparas y focos, en satélites, drones y escáneres corporales.
Además, por lo regular funciona a través de redes sin que necesariamente
las personas las pongamos deliberadamente en acción.
Millones de estudiantes, padres de familia y profesores estamos familia-
rizados con sus interfaces, con algunas de sus caras y posibilidades en forma
de redes sociales, de contenidos digitales, de comunicaciones vía mensaje-
ros, de compras y videojuegos. Participamos en circuitos interconectados
de representación y reproducción de significados tejidos en prácticas, mu-
chos de los cuales están mediados por inteligencia artificial. Por definición,
se trata de circuitos abiertos, incompletos, siempre en producción, que cam-
bian nuestra noción de tiempo y espacio y que, tal vez por ello, tienen gran
capacidad de interpelar a los usuarios. Es así como este tipo de tecnologías
—y otras— se han colado en las aulas alrededor del mundo, en una mezcla
de uso lúdico, experimental, no necesariamente planeado, donde lo nuevo
se mezcla con lo anterior, con poco conocimiento fundado de su diseño y
funcionamiento fino.
Un número significativo de la información que usan las actuales aplica-
ciones de IA proviene de fuentes múltiples y nosotros mismos, los usuarios,
somos de los principales proveedores. Si, como lo han mostrado autores
como Michel Foucault (2006), para la consolidación del Estado moderno se
requirió la generación de información y el desarrollo de ciencias como la es-
tadística, la geografía o la demografía, para la consolidación de la era digital;
para el funcionamiento de los grandes sistemas de información se requiere
la colaboración de millones de personas para alimentar las bases de datos,
los algoritmos, las tablas de registro.
En términos ónticos y ontológicos, estamos en un momento paradojal,
pues en casi cualquier circunstancia podemos formar parte de circuitos de
información que alimentan los algoritmos de la IA sin saberlo. De hecho,
para que los sistemas inteligentes desarrollen sus funciones no es requisito
que las personas estén frente a los dispositivos. Las instituciones de educa-
ción y todos sus integrantes producen grandes cantidades de información,
tanto de aspectos educativos como personales; adecuadamente tratada y
analizada podría emplearse con modelos de IA para apoyar diversos aspec-
tos de los procesos formativos, pero de este hecho se derivan grandes impli-
caciones en el orden de la subjetividad y de la ética.
La educación frente al nuevo mundo digital
Para que los actuales desarrollos de IA funcionen adecuadamente es nece-

sario que, además de cumplir con características específicas, tengan acce-
so a información constante, rica y diversa. En la actualidad, gran parte de
los grandes modelos de lenguaje o LLM requieren información de distintas
fuentes, tanto para poder modelar sus cualidades y perfeccionar sus alcan-
ces como para lograr sus fines reduciendo sus errores o sesgos. Ninguna
tecnología es perfecta, ninguna está exenta de errores, deficiencias o limi-
taciones. Modelos como ChatGPT o Llama 2, que han recibido gran aten-
ción mediática, tienen que ser entrenados y ajustados no sólo con datos de
distintas fuentes, sino que también requieren la intervención de personas
que, en distintas partes del mundo, analizan y corrigen expresiones, datos
y contenidos para prevenir respuestas inadecuadas o dañinas. Aunque mu-
chos de sus resultados son promisorios, siguen en desarrollo:
Los LLM pueden llevar a cabo una variedad de tareas relacionadas con el len-
guaje, como responder preguntas, generar texto creativo, traducir entre idio-
mas, resumir documentos, mantener conversaciones y más. Ejemplos notables
de LLM incluyen los modelos de la serie GPT (Generative Pre-trained Transfor-
mer) desarrollados por OpenAI, como GPT-3.5 (mi versión) y versiones poste-
riores. Estos modelos han demostrado ser herramientas poderosas y versátiles
en diversos campos, desde asistencia virtual hasta investigación, escritura au-
tomática y mucho más. Sin embargo, es importante recordar que los LLMs no
poseen una verdadera comprensión ni conciencia, sino que operan con base en
los patrones aprendidos de los datos con los que fueron entrenados (definición
obtenida de ChatGPT, versión 3.5, a la solicitud: “Describe qué es un Large Lan-
guage Model”. Subrayado propio).
Así, pensar en las posibilidades de la IA para la educación requiere asu-

mir de inicio que todavía hay una gran cantidad de deficiencias y proble-
mas de diseño y ejecución y que su uso requiere que las personas —estu-
diantes, personal académico, administrativo, directivo y tutorial— asuman
que deben aprender a usarla y de alguna forma colaborar en su desarrollo.
Idealmente haría falta una intervención organizada de parte del Estado y
35
los gobiernos, pero la realidad es que parecen borrados de esta discusión. Al
día de hoy ya se cuenta con una extensa bibliografía respecto a las posibili-
dades educativas de la IA. Es posible encontrar un debate en desarrollo que
se mueve entre el análisis de experiencias y el planteamiento de escenarios
para la docencia, el aprendizaje, la identificación de necesidades entre las
comunidades educativas, la gestión de instituciones y demás (Gross, 1992;
Moreno, 2019; Chen et al., 2020; Renz et al., 2020; Rivas et al., 2023 y otros).
Aquí se recuperarán sólo algunas ideas básicas para seguir pensando en sus
posibilidades e implicaciones en países como México.
Algunas apropiaciones de la IA
En el ámbito de la enseñanza y el aprendizaje, una de las apropiaciones o
usos más interesantes de los nuevos modelos de IA, como los de tipo Chat-
GPT o Llama2, radican en la posibilidad de crear sistemas de tutoría, aseso-
ría y acompañamiento personalizados para estudiantes, los cuales pueden
funcionar a título individual o grupal en distintos niveles educativos. Sa-
bemos desde hace mucho que la tutoría y la asesoría son muy importantes
en sistemas educativos donde el estudiantado tiene trayectorias marcada-
mente heterogéneas y la necesidad de apoyos específicos. En este sentido,
en diferentes partes del mundo ya se han usado con éxito distintos modelos
de tutores digitales; los más recientes siguen la lógica de los LLM. Los dise-
ños más simples tienen la forma de un cuadro de diálogo o un mensajero
en el cual la persona teclea o dicta indicaciones relacionadas con sus tareas
o actividades específicas, etc. La clave en este tipo de asesorías, tutorías o
acompañamientos digitales es que no sustituyen al profesor, ni la necesidad
de un trayecto formativo; son apoyos para escribir, buscar, responder dudas
y hacer ejercicios, por eso deben insertarse en el contexto de actividades y
necesidades concretas, como ampliar información, resolver retos o ayudar
a completar proyectos individuales y colaborativos (Sabourin et al., 2013;
Greer y Mark, 2016). Al respecto, es recomendable revisar investigaciones
como las reportadas en el número especial de tutoría del International Jour-
nal of Artificial Intelligence in Education, donde desde hace casi una década
se discuten varios de los primeros avances en este ámbito.
Otra posibilidad de uso de la inteligencia artificial tiene que ver con la
evaluación y autoevaluación de los aprendizajes, el desarrollo de competen-
cias, el dominio de procedimientos, de idiomas y de la escritura. Probable-
mente aquí es donde hay un campo más amplio. La inteligencia artificial
puede tomar como base programas de cursos, libros, artículos, conven-
ciones en un campo de conocimiento y materiales en línea y convertirlos
en recursos para desarrollar ejercicios de evaluación de muy distinto tipo
(Martin et al., 2011). Varios de los ejercicios ya existentes son altamente in-
teractivos y pueden ayudar al diseño de experimentos y de actividades que
requieren introducir variables simples o complejas de distinto tipo. En dis-
ciplinas que requieren contrastar datos de distintas fuentes puede ayudar
para validar información y expresarla de distintas maneras.
Estos usos pueden ser compatibles con enfoques de enseñanza y apren-
dizaje basados en la colaboración y en la construcción mediada de cono-
cimiento, pues si bien se nutren de documentos y referencias curriculares,
también pueden tomar datos de muchas otras fuentes de información. Esto,
además, puede articularse con una idea de lo educativo que va más allá del
aula, asunto que mueve tanto a los interesados en el aprendizaje a lo largo de
la vida, como a los interesados en la educación no escolarizada.
Un tercer aspecto que vale la pena destacar —y que podría ser promiso-
rio— es la posibilidad de emplear distintas estrategias de inteligencia arti-
ficial para modelar escenarios y anticipar problemas en diferentes ámbitos
de las instituciones educativas, desde identificar problemas de selección o
en las trayectorias del estudiantado, hasta analizar tendencias de saberes y
conocimientos que valdría la pena incorporar en el currículo. Un análisis
adecuadamente diseñado permitiría producir información para saber si las
instituciones están induciendo algún tipo de discriminación por género,
por origen ético o por condición económica, entre otros.
En un ámbito muy diferente, como la salud, ciertos diseños de IA pueden
ayudar a monitorear la salud física y emocional o afectiva de los estudiantes
y su personal, entregar información, reportes o incluso alertas útiles a los in-
teresados, sus familias o sus compañeros. Estas iniciativas que trabajan con
información delicada —y que ya se usan en algunos países— requieren di-
seños específicos, grupos interdisciplinarios y claros fundamentos teóricos.
Deliberadamente he dejado sin dar ejemplos de otros ámbitos o campos
donde la IA ya se usa con cierta regularidad en algunas partes del mundo,
como apoyo en la docencia o incluso en la investigación básica y aplicada,
sobre todo en las universidades, tanto en las ciencias básicas como en las
ingenierías y las humanidades, bien para crear, bien para analizar datos
o representarlos. Desde el punto de vista administrativo y de gestión, las
instituciones educativas desarrollan un conjunto de tareas reiteradas y en
algunas partes del mundo ya se apoyan en distintas formas de IA para auto-
matizar comunicaciones o el procesamiento de información institucional
sobre gasto, inversión, finanzas y demás.
Retos y tareas
Dentro del espacio mítico de la IA, particularmente a partir de la popula-
rización de los LLM, se han listado ya numerosos retos y tareas a desarro-
llar, por ejemplo, garantizar la seguridad de las identidades digitales de las
personas y sus derechos; así como establecer nuevos parámetros para tratar
los derechos de la información y los conocimientos que se generan y ense-
ñan, el plagio y la falta de honestidad intelectual, entre otros. Por supuesto,
ninguno es nuevo; todos han existido dentro y fuera de la educación desde
antes de la popularización de la IA, pero es necesario reconocer que ahora
parecen tener nuevas facetas. Por ello, hay que desarrollar una nueva dis-
cusión al respecto, diseñar escenarios, planes y estrategias para prevenir y
atender los nuevos retos. La investigación educativa puede ser muy útil para
experimentar con formas creativas de enfrentarlos.
37
En el caso particular del plagio académico, puede enfrentarse de varias for-
mas. La que me parece más adecuada se relaciona con la consolidación de la
honestidad académica e intelectual mientras se usan dichos recursos. Aunque
el plagio está ampliamente estudiado y se sabe ya mucho sobre sus distintas ra-
zones y efectos, lo más adecuado podría ser encuadrarlo en un debate sobre la
ética y sobre las buenas prácticas intelectuales y académicas, así como sobre la
relevancia que todo esto tiene para la formación individual y la conformación
de lo común en una era donde la IA pone a prueba las formas tradicionales de
trabajo. El plagio y otras prácticas de deshonestidad no iniciaron con la dispo-
sición de tecnología; probablemente existen desde antes que las instituciones
de educación formales y no se detienen o no son exclusivas del campo educati-
vo o académico. Por ello, una adecuada planeación del uso de la IA, con reglas
claras, con estrategias y seguimiento, así como con principios de autorregu-
lación puede ser útil para limitar las malas prácticas que tanto preocupan a
diferentes actores, incluidas las instituciones educativas (Homes et al., 2021).
No usar IA no es opción realista para prevenir malas prácticas académicas.
Finalmente en esta sección, uno de los grandes retos para las institu-
ciones educativas es incorporar adecuadamente la inteligencia artificial, de
forma creativa, en el currículo y las prácticas formativas en función de la
disciplina o área de conocimiento, de las tareas a desarrollar y de las condi-
ciones de cada estudiante y docente. Esto implica que ahí donde la inteligen-
cia artificial se adopte de manera activa debe equilibrarse con otras fuentes
de información, con otros recursos didácticos o de aprendizaje y comunica-
ción. Una de las mejores maneras de hacer esto es siempre integrarla dentro
de las planeaciones; hacer notar su presencia en otros recursos como las pla-
taformas digitales, que muchas instituciones de educación superior ya usan
para enseñar o para apoyar procesos de enseñanza y aprendizaje. Para todo
ello, la formación docente es clave, pero no se puede hacer adecuadamente
en condiciones donde las cargas de clases y de procedimientos administra-
tivos lo impiden. Un mejor aprovechamiento de la IA requiere un ajuste en
las formas tradicionales de capacitación, porque de otra forma se repetirá lo
que ha ocurrido con otras olas de apropiación tecnológica.
Siguiendo el argumento de Rancière (2005), siempre existe la posibilidad
de que alguno de nosotros en el campo educativo ignore algo, en este caso,
el detalle de cómo funcionan estas tecnologías; pero de esa imposibilidad
no se deriva necesariamente que los demás, quienes están alrededor de no-
sotros, no puedan aprender o enseñarnos. De las limitaciones propias no se
siguen necesariamente las limitaciones de los demás; de ahí parte uno de los
tantos caminos que llevan a la emancipación intelectual y a la construcción
de un espacio de formación en común. En ese sentido soy optimista mode-
rado respecto a las posibilidades de la inteligencia artificial. Para navegar
adecuadamente en este gran nuevo orden discursivo se requiere retomar,
por ejemplo, uno de los grandes principios de la pedagogía crítica: descen-
trar críticamente al docente, a la idea misma de institución; descentrar las
figuras tradicionales de la educación y volver a problematizar los procesos
de enseñanza y aprendizaje en común.
Consideraciones finales
Cotidianamente, miles de personas participan en el circuito de producción y

generación de datos e información, lo sepan o no. Cuando algún estudiante,
académico o personal de una institución educativa visita Wikipedia, Google
o cualquier otro buscador que usa tecnología de IA; cuando decide utilizar
Atlas.ti, MAXQDA, ChatGPT o cualquier otro software o plataforma de análi-
sis; cuando usa Zotero, Mendeley o solicita a Elicit el análisis sistemático de
bibliografía especializada participa activamente de esos mismos circuitos de
información. Cuando alguien solicita información de una posible afección o
quiere saber cómo tratar la depresión; cuando busca datos sobre cómo dejar
las drogas, conocer nuevas personas o iniciar una rutina de ejercicio, está par-
ticipando de estos mismos procesos. Muchas de estas interacciones ocurren
en espacios educativos donde la IA está presente desde hace mucho, no sólo
como prácticas o costumbres, sino como una red de significados complejos
que configuran espacios míticos y que, ahora mismo, están dando paso a la
configuración de nuevos imaginarios sobre la educación y la sociedad.
Desde la educación y desde la investigación educativa necesitamos invo-
lucrarnos y problematizar estos procesos en este tiempo inédito, pues están
ocurriendo de manera paralela a otros grandes fenómenos como la crisis
medioambiental, la crisis de la desigualdad y la crisis de violencia, que en
México está lejos de desaparecer. La consolidación de los modelos recientes
de inteligencia artificial ocurrió durante la pandemia de COVID-19; el hecho
de que el mundo se haya volcado a las redes para realizar numerosas acti-
vidades en línea, incluida la docencia, aceleró un proceso que ya tenía una
trayectoria, y por ello, varios asuntos han quedado sin ser discutidos.
En diferentes partes del mundo, en foros y en columnas de opinión,
numerosas personas han expresado su desacuerdo con ciertos modelos de
inteligencia artificial como el ChatGPT, pues consideran que detrás de ellos
se encierran algunas de las peores prácticas del neoliberalismo, incluido
el uso de información privada para fines comerciales de parte de grandes
corporaciones sin regulación del Estado; también han señalado que todos
estos desarrollos tienen sesgos de distintos tipos, que no dan el crédito co-
rrespondiente a las fuentes en que se basan y tampoco lo hacen al momento
de entregar sus resultados. Éste es un asunto delicado, sobre todo porque en
el campo educativo y académico el principio de honestidad intelectual, de
transparencia y rendición de cuentas debe seguirse con rigor.
¿Qué hacer al respecto? La salida es incursionar en usos críticos de estas
tecnologías desde diferentes marcos de análisis. No es una coincidencia que
la tecnología digital que en este momento tiene maravillada a gran parte del
mundo se haya desarrollado paralelamente a la consolidación del libre mer-
cado y la diseminación del neoliberalismo. Una de las virtudes de esta tecno-
logía, desde el punto de vista comercial, es su potencial para transformar en
bienes de consumo asuntos íntimos: el gusto por ciertos colores y sonidos; los
miedos y preocupaciones, las enfermedades, las necesidades de descanso y de
disfrute, para transformarlos vía algoritmos y devolverlos procesados como
39
contenidos, productos, viajes, recetas de cocina o estilos de vida. No parece
ser una exageración que estamos ante el riesgo de vivir grandes procesos de
privatización de la subjetividad, de los sueños y las aspiraciones. Por éstas y
otras razones, en este 2023 distintas organizaciones de todo el mundo han
promovido la firma de tratados y acuerdos para impulsar las buenas prác-
ticas en materia de IA. El Consenso de Beijing de 2019 sobre IA y educación
intentó anticipar ciertos hechos y prácticas para dirigirlas en bien de la hu-
manidad desde la educación (UNESCO, 2019). Parte de las ideas que aquí se
han expuesto tratan de problematizar algo de lo señalado en aquel Consenso.
Al respecto, en unos años se estará evaluando la consecución de los Ob-
jetivos del Desarrollo Sustentable (ODS) fijados para el 2030. Ese conjunto de
propósitos de alcance global suscrito por decenas de países, impulsado por
numerosas organizaciones académicas, civiles y comunitarias tenía entre
sus metas incrementar el bienestar, la calidad de la educación, reducir el im-
pacto de las actividades humanas en el medio ambiente y reducir las desi-
gualdades. La pandemia y las reacciones de los gobiernos frente a ella puso
en riesgo gran parte de la consecución de dichos objetivos. Las agendas de
crecimiento para salir de la crisis parecen olvidar que la tecnología digital
actual produce grandes volumenes de contaminantes de distinto tipo y no
es en sí misma sustentable.
Desde el punto de vista teórico, algunos de los giros de los últimos años
son útiles para discutir algunos de los impactos de la IA. Tal es el ejemplo del
giro afectivo, el cual ha puesto énfasis en cómo se construye la afectividad en
la vida cotidiana, desde el orden de la política hasta el de la educación. El giro
espacial ha mostrado que nociones como espacio y territorio no se reducen
a esos lugares físicos comunes y cotidianos. De hecho, la educación experi-
menta un fantástico giro espacial al descentrar y relocalizar un conjunto de
procesos que antes ocurría de manera preferentemente síncrona y presencial.
El hecho de que muchísimas actividades de formación se desarrollen en línea,
de forma virtual o asíncrona a través de plataformas y correos electrónicos, a
través de video clases y de sesiones de entrenamiento, son un ejemplo patente.
Este artículo ha intentado argumentar conceptualmente que la relación
entre IA y educación está mediada por la forma en que los usuarios cons-
truyen significados, aspiraciones y marcos de interacción entre los objetos
tecnológicos, la subjetividad y los procesos educativos, en el presente y en el
futuro, y que el acceso a la tecnología y la forma en que se usa en el campo
educativo se basa en prácticas heterogéneas de intensidad variable, situadas
en tiempos y espacios que no necesariamente están sustentados por algún
tipo de conocimiento detallado de dicha tecnología. Las comunidades edu-
cativas no han usado la tecnología sin referentes conceptuales o culturales,
por el contrario, siempre se relacionan con ella a través de expectativas, es-
peranzas, miedos e interés. En este gran proceso, las políticas educativas
han sido poco consistentes, y en muchos casos irrelevantes.
Entre las consecuencias lógicas de todo lo expuesto está que la investiga-
ción educativa necesita desarrollar nuevas líneas de investigación que per-
mitan esclarecer las condiciones sociales, culturales, políticas, identitarias
y hasta afectivas en que se usa la tecnología actualmente. En una época en
que el interculturalismo, el feminismo y los estudios sobre la sustentabili-
dad, por mencionar algunos, han aportado tantos elementos para entender
la realidad contemporánea, la discusión y el desarrollo de la IA debe nutrir-
se de esos referentes. Ciertamente es necesaria una acción gubernamental
mucho más sistemática y organizada, en clave de acción pública en diálo-
go con diferentes actores. Las instituciones educativas, y en particular las
instituciones de educación superior y de investigación científica básica y
aplicada, deben involucrarse también en este gran escenario del desarrollo
de la inteligencia artificial. De otra manera, habremos de resignarnos a que
los grandes avances y usos de la IA sigan siendo organizados por empresas
trasnacionales que rara vez rinden cuentas o transparentan sus decisiones.
El discurso de la IA es heterogéneo, rico, seductor. Sus significantes atravie-
san prácticas y dan paso a expectativas en el presente y en el futuro; intentar
entender esto a través de nociones como competencias digitales o certifica-
ciones en materia de desarrollo o uso es insuficiente; por ello, es necesario
abordar el tema con toda la complejidad que la época contemporánea exige.
Referencias
ANUIES (2004), Estudio sobre el uso de las tecnologías de comunicación e información
para la virtualización de la educación superior en México, México, ANUIES.
Ávila, Diego y Maricarmen Cantú (2017), “Medición del uso pedagógico de las TIC en
una universidad privada de Colombia”, Revista Iberoamericana de Educación,
vol. 73, núm. 2, pp. 71-86.
Chen Lijia, Chen Pingping y Lin Zijhian (2020), “Artificial Intelligence in Educa-
tion: A review”, IEEE Access, vol. 8, pp. 1-15. DOI: https://doi.org/10.1109/
ACCESS.2020.2988510
Claro, Magdalena (2010), Impacto de las TIC en los aprendizajes de los estudiantes,
Santiago de Chile, CEPAL .
Delors, Edgar (coord.) (1996), La educación encierra un tesoro, Madrid, Santillana/
UNESCO.
Enciclopedia Británica (2023), “Artificial Intelligence”, en: https://www.britannica.com/
technology/artificial-intelligence (consulta: 15 de agosto de 2023).
Faure, Edgar (coord.) (1973), Aprender a ser. La educación del futuro, Milán/París,
Alianza/UNESCO.
Foucault, Michel (2006), Seguridad, territorio, población, Buenos Aires, Fondo de Cul-
tura Económica.
Granja, Josefina (2004), Métodos, aparatos y máquinas para la enseñanza de México
en el siglo XIX. Imaginarios y saberes populares, Barcelona/México, Ediciones
Pomares.
Greer, Jim y Mary Mark (2016), “Evaluation Methods for Intelligent Tutoring Systems
Revisited”, International Journal of Artificial Intelligence in Education, vol. 26,
núm. 1, pp. 387-392. DOI: https://doi.org/10.1007/s40593- 015- 0043-2
Gross, Begoña (1992), “La inteligencia artificial y su aplicación en la enseñanza”, Comu-
nicación, Lenguaje y Educación, vol. 4, núm. 13, pp. 73-80.
Holmes, Wayne, Kaska Porayska-Pomsta, Ken Holstein, Emma Sutherland, Toby
Baker, Simon Buckingham Shum, Olga C. Santos, Mercedes T. Rodrigo, Mutlu
Cukurova, Ig Ibert Bittencourty y Kenneth R. Koedinger (2021), “Ethics of AI
in Education: Towards a community-wide framework”, International Journal
of Artificial Intelligence in Education, vol. 32 , núm. 3, pp. 504-526. DOI: https://
doi.org/10.1007/s40593- 021- 00239-1
Jouët, Josiane y Sylvie Coudray (1993), Las nuevas tecnologías de comunicación: orien-
taciones de la investigación, París, UNESCO.
41
Journell, Wayne (2007), “The Inequities of the Digital Divide: Is e-learning a solu-
tion?”, E–Learning, vol. 2, núm. 4, pp. 138-149.
Kriscautzky, Marina y Emilia Ferreiro (2018), “Evaluar la confiabilidad de la infor-
mación en Internet: cómo enfrentan el reto los nuevos lectores de 9 a 12 años”,
Perfiles Educativos, vol. 40, núm. 159, pp. 16 -34. DOI: https://doi.org/10.22201/
iisue.24486167e.2018.159.58306
Laclau, Ernesto (1993), Nuevas reflexiones sobre la revolución de nuestro tiempo, Bue-
nos Aires, Ediciones Nueva Visión.
Laclau, Ernesto (2014), Los fundamentos retóricos de la sociedad, Buenos Aires, Fondo
de Cultura Económica.
Lizarazo, Diego, Mauricio Andión, Gregorio Hernández, Daniel González, Ernesto
Treviño y Marco Millán (2013), Símbolos digitales. Representaciones de las TIC
en la comunidad escolar, México, Siglo XXI Editores/UAM.
Malitza, Mircea (1989), The Introduction of the New Information Technologies in High-
er Education, París, UNESCO.
Martin, Brent, Antonija Mitrovic, Kenneth Koedinger y Santosh Mathan (2011), “Eva-
luating and Improving Adaptive Educational Systems with Learning Curves”,
User Modeling and User-Adapted Interaction, vol. 21, pp. 249-283.
McCarthy, John (2007), “What is Artificial Intelligence”, en: http://www-formal.stanford.
ex6.https.443.g3.ipv6.lbq.gov.cn/jmc/whatisai.pdf (consulta: 15 de agosto de 2023).
Moreno Padilla, Raúl (2019), “La llegada de la inteligencia artificial a la educación”,
Revista de Investigación en Tecnologías de la Información: RITI, vol. 7, núm. 14,
pp. 260 -270.
Nancy, Jean-Luc (2006), Ser singular plural, Madrid, Arena Libros.
OCDE (1988), New Technologies in the 1990s: A socioeconomic strategy, París, OECD.
OCDE (2003), Los desafíos de las tecnologías de la información y las comunicaciones en la
educación, Madrid, Ministerio de Educación y Deporte/OCDE .
Pedraza, Norma, Gabriela Farías, Jesús Lavín y Aldo Torres (2013), “Las competencias
docentes en TIC en las áreas de negocios y contaduría. Un estudio exploratorio
en la educación superior”, Perfiles Educativos, vol. 35, núm. 139, pp. 8-24. DOI:
https://doi.org/10.22201/iisue.24486167e.2013.139.35708
Rancière, Jaques (2005), El maestro ignorante. Cinco lecciones de emancipación intelec-
tual, Barcelona, Laertes.
Renz, André, Swathi Krishnaraja y Elisa Gronau (2020), “Demystification of Artificial
Intelligence in Education – How Much AI Is Really in the Educational Tech-
nology?”, International Journal of Learning Analytics and Artificial Intelligence
for Education (iJAI), vol. 2, núm. 1, pp. 14-30. DOI: https://doi.org/10.3991/ijai.
v 2i1.12675
Rivas, Axel, Nicolás Buchbinder e Ignacio Barrenechea (2023), El futuro de la inteligen-
cia artificial en educación en América Latina, España, ProFuturo/OEI.
Rouse, Margaret (2023), “What Does Artificial Intelligence (AI) Mean?”, en: https://
www.techopedia.com/definition/190/artificial-intelligence-ai (consulta: 15 de
agosto de 2023).
Sabourin, Jennifer L., Lucy R. Shores, Bradford W. Mott y James C. Lester (2013),
“Understanding and Predicting Student Self-Regulated Learning Strategies in
Game-Based Learning Environments”, International Journal of Artificial Intel-
ligence in Education, vol. 23, núms. 1-4, pp. 94-114. DOI: https://doi.org/10.1007/
s40593- 013- 0004- 6
Silvio, José (1989), Informatics and Higher Education in the Latin America and the Ca-
ribbean. International Congress on Education and Informatics: Strengthening
international cooperation, París, UNESCO-CRESAL .
Simondon, Gibert (2007), El modo de existencia de los objetos técnicos, Buenos Aires,
Prometeo Libros Editorial.
UNESCO (1996), Conferencia internacional de educación, Ginebra, UNESCO.
UNESCO (2002), Information and Communication Technology in Education: A curricu-
lum for schools and programme of teacher development, París, UNESCO.
UNESCO (2019), Beijing Consensus on Artificial Intelligence and Education, París,
UNESCO.
Valle, Ana y Marco Jiménez (2021), Innovación educativa entre tecnología y cultura,
México, Fides editoriales.
La inteligencia artificial y la educación
Janneth Trejo-Quintana*
En este ensayo se exploran algunas ideas para re- Palabras clave

flexionar sobre la irrupción de la inteligencia arti-
ficial en el ámbito educativo. La aparición de esta Inteligencia artificial
tecnología ha suscitado asombro, desconcierto, Inteligencia artificial
fascinación, incluso miedo por su capacidad de generativa
imitar algunas actividades “exclusivas” de los seres Educación
humanos; de ahí la necesidad de analizarla como un
fenómeno tecnosocial. Si bien el desarrollo de la in- Agentes educativos
teligencia artificial tiene algunas décadas, su uso ma- Escuela
sivo recién comienza y, con ello, los debates en torno
a las implicaciones y consecuencias que tendrá en la
educación, específicamente la inteligencia artificial
generativa. En este contexto, es necesario adoptar
una postura prudente, lo que implica expresar cual-
quier punto de vista con la cautelosa frase “hasta este
momento”, ya que a medida que adquirimos más
conocimiento, nos surgen más interrogantes.
* Investigadora del Instituto de Investigaciones sobre la Universidad y la Educación
(IISUE) de la Universidad Nacional Autónoma de México (UNAM) (México). Doctora
en Ciencia Social con especialidad en Sociología. Líneas de investigación: alfabetización
mediática, informacional y digital; políticas de inclusión de tecnología en la educación;
participación política de jóvenes. Publicaciones recientes: (2023), “Agrégame al grupo
de guats. WhatsApp como vehículo de interacción entre profesorado y estudiantado
durante la pandemia”, en Hugo Casanova Cardiel y Janneth Trejo Quintana (coords.),
La década COVID en México: los desafíos de la pandemia desde las ciencias sociales y las
humanidades, tomo 10: Educación, conocimiento e innovación, México, IISUE , pp. 33-72;
(2022, en coautoría con R.O. Espinoza), “La precariedad en los programas de inclusión
de tecnología en la educación básica en México en el siglo XXI”, Foro de Educación, vol.
20, núm. 2. DOI: https://doi.org/10.14516/fde.1010. CE: [email protected].
mx. ORCID: https://orcid.org/0000-0002-7701-6938

¿De qué está hecho el futuro?
La diversidad de respuestas a esta pregunta puede ser inimaginable. Aun-

que, quizás, al contrario, la mayoría compartimos las mismas expectativas.
Si nos guiamos por las películas, series, libros de ficción y otros productos
culturales que alimentan el imaginario colectivo, nuestro futuro está hecho
de carros voladores, cíborgs (cyborgs), casas cápsula y profesores robots.
En el escenario de la cuarta revolución industrial presenciamos la abru-
madora irrupción de las tecnologías digitales. Como parte de este mismo
contexto, observamos el extraordinario desarrollo de la inteligencia artifi-
cial (IA). Sin duda, estamos frente al desarrollo de una tecnología disruptiva.
La IA —como fenómeno tecnosocial— está provocando un cambio signifi-
cativo en la dinámica económica global, en los sistemas de organización y
gestión industrial, en las dinámicas de poder, en los paradigmas culturales
y el ethos social.
Al respecto, existe un debate sobre la pertinencia de incorporar las tec-
nologías digitales y, ahora, la inteligencia artificial, a la escuela. Países como
Finlandia, Francia, Suecia, China y Holanda manifiestan ciertas reticencias
respecto al empleo excesivo de la tecnología en la educación. Aunque son
naciones que se caracterizan por contar con sistemas educativos de van-
guardia, mantienen un enfoque pedagógico tradicional y han optado por
limitar el uso del teléfono móvil y de tabletas dentro del salón de clases (Del
Hoyo, 2023; Pérez, 2023; Beland y Murphy, 2015; Cifuentes, 2023).
Por otro lado, países como Estados Unidos, Suiza, Japón, Reino Unido,
Singapur y Austria, entre otros, están fomentando activamente la integra-
ción de tecnologías digitales —incluida la IA— en entornos educativos, si
bien, en algunos casos, la decisión se delega a las autoridades locales o a las
propias instituciones educativas. Uno de los principales argumentos a favor
de incorporar las tecnologías digitales en las aulas es que puede promover la
innovación y la creatividad en la enseñanza, con la meta de mejorar la cali-
dad de la educación y preparar mejor a los estudiantes para los desafíos del
futuro (OECD, 2018, 2021; UNESCO, 2019, 2022; Hamid, 2023; Maslej et al., 2023).
En materia de integración de tecnologías digitales en la educación, los
países de América Latina presentan posturas que tienen puntos en común
con las de otras naciones, pero también matices distintivos derivados de sus
contextos particulares. La disponibilidad de recursos, el acceso a Internet, la
infraestructura tecnológica y las políticas educativas específicas son facto-
res fundamentales para plantear cada postura. En términos generales, tam-
bién los países de la región han mostrado un creciente interés por adoptar
tecnologías digitales en el ámbito educativo porque pueden ayudar a mejo-
rar la calidad de la educación (UNESCO, 2022; Rivas et al., 2023).
Esta idea ha sido ampliamente promovida por organismos internacio-
nales que proponen diseñar programas y planificar la integración de tec-
nologías digitales en el aula, lo que requeriría de la formación de docentes
en esta materia, el uso de plataformas y recursos educativos en línea, así
como el desarrollo de investigación y evaluación de tecnología educativa
J. Trejo-Quintana | Más preguntas que respuestas
(ver páginas web de UNESCO, OEI, Comisión Europea, OECD, BID).1 Aun así,
el debate sobre los beneficios de incluir tecnologías digitales en las acciones
pedagógicas sigue abierto.
El presente texto aborda, en términos generales, el tema de la inteligencia
artificial en el ámbito educativo. Cabe destacar que, aunque se hace referen-
cia a la IA en su conjunto, se reconoce que en el entorno educativo la inteli-
gencia artificial generativa (IAG) es, por ser ampliamente utilizada, el modelo
típico. La decisión de emplear el término inteligencia artificial de manera
genérica responde al propósito de plantear reflexiones generales que, even-
tualmente, se puedan profundizar. Así, el objetivo de este ensayo es plantear
algunas preguntas para incitar a la reflexión, pero, sobre todo, a la realización
de estudios que permitan dar respuesta a éstas y muchas otras preguntas.
¿Esperanza o temor ante la inteligencia artificial?
Cotidianamente convivimos con asistentes virtuales como Siri, Alexa o

Cortana; motores de búsqueda como Google, Bing o Safari; redes sociodi-
gitales como Facebook, Tik Tok e Instagram; y sistemas de recomendación
y consumo de productos audiovisuales y sonoros como Netflix, YouTube y
Spotify, entre otros. Sin embargo, la aparición de plataformas que funcio-
nan como asistentes virtuales que pueden responder preguntas, brindar
información y mantener conversaciones utilizando un lenguaje natural
—las denominadas como inteligencia artificial generativa— ha dado pie a
una mezcla de expectativa, desconcierto, perplejidad e incertidumbre. Un
ejemplo que destaca es la plataforma ChatGPT, que es un modelo de len-
guaje basado en inteligencia artificial desarrollado por la empresa OpenAI.
Aunque, ChatGPT es la plataforma más popular, existen otras como Per-
plexity, Claude y Elicit, por mencionar sólo a algunas. Estas innovaciones
tecnológicas han generado suspicacias, desconfianza y hasta temor. El avan-
ce de la IAG ha suscitado una sensación de incertidumbre y falta de control
entre los seres humanos. Nuestra tendencia natural a temer a lo desconoci-
do y lo impredecible puede conducir a una resistencia al cambio.
En la década de los noventa Anthony Giddens (1998) señalaba que la
modernidad trae consigo nuevos riesgos y peligros globales, lo que inevita-
blemente genera ansiedad y temor en las personas. Para complementar esta
idea recordemos que George Herbert Mead (1973) sostenía que, entre otros
estados emocionales, el miedo afecta la interacción social y la construcción
del “yo”. En definitiva, la incertidumbre acerca del futuro y, al mismo tiem-
po, la conciencia sobre los riesgos que existen en la sociedad contemporánea
pueden afectar la vida social, política y personal de los sujetos.
1 UNESCO: http://www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/s5987/201908/W02019082831123
4688933.pdf https://unesdoc.unesco.org/ark:/48223/pf0000380602/PDF/380602eng.pdf.multi;
Profuturo y OEI: https://oei.int/oficinas/secretaria-general/publicaciones/el-futuro-de-
la-inteligencia-artificial-en-educacion-en-america-latina; Comisión Europea: https://
op.europa.eu/en/publication-detail/-/publication/5cb8 eee3 -e888-11e8-b 690 - 01aa75e-
d71a1/language-en; OECD: https://www.oecd.org/education/2030-project/about/docu-
ments/Education-and-AI-preparing-for-the-future-AI-Attitudes-and-Values.pdf https://
one.oecd.org/document/EDU/EDPC(2023)11/en/pdf (consulta: 23 de octubre de 2023).
45
Para Scolari (2023: s/p), es evidente que “la IA es una tecnología disrup-
tiva que transforma los cimientos de la cultura y el trabajo humanos”. Esto
es así porque prácticamente cada aspecto de nuestra vida está tocado por
los algoritmos. Actualmente, los algoritmos de aprendizaje intervienen en
la toma de decisiones individuales: nos orientan para llegar a un lugar; or-
denan nuestras disposiciones para ver una película o escuchar alguna no-
vedad musical; nos recomiendan qué cosas comprar; incluso nos ayudan a
encontrar pareja.
Los algoritmos también están presentes en las decisiones macroestruc-
turales: en la formulación de políticas públicas; en el diseño de los sistemas
para brindar información a la ciudadanía; en el análisis de datos para orien-
tar las acciones en salud, educación, comercio, producción y consumo de
bienes y servicios; para analizar las tasas de empleo y el nivel de inseguri-
dad; así como para diseñar campañas políticas. Desde luego, los algoritmos
son imprescindibles para la toma de decisiones de las grandes empresas
trasnacionales.
Siendo así, frente a la creciente presencia de los algoritmos en nuestra
vida cotidiana, surge la idea de que las máquinas eventualmente dominarán
el mundo, aunque para muchos, esta preocupación parece ser prematura.
Lo que sí parece inminente es que la inteligencia artificial continuará su
progreso y, por ende, penetrará en todos los aspectos de nuestra vida per-
sonal y social. Ya se observa que, independientemente de las posturas indi-
viduales, “al igual que la tecnología de redes, la IA es omnipresente y afecta
a todas las disciplinas y profesionales” (Scolari, 2023: s/p). Algunos expertos
enfatizan que, más que temer el alcance de la IA, “debemos abrazar y apro-
vechar al máximo los beneficios que esta tecnología ofrece y desmantelar los
mitos y fobias que la rodean” (García-Peña et al., 2020: 651).
¿La inteligencia artificial reemplazará al profesorado?
Como se ha señalado previamente, las tecnologías han ocasionado trans-

formaciones significativas en prácticamente todos los ámbitos de nuestra
vida. En el siglo XX, la integración de las computadoras, que facilitaron cál-
culos complejos y la automatización de tareas repetitivas y, adicionalmente,
la aparición de Internet y las tecnologías de la información y la comunica-
ción (TIC) han revolucionado las formas de producción, las interacciones
sociales y el acceso a la información.
El tránsito de la era predigital a la era de la inteligencia artificial ha im-
plicado cambios en el estatuto epistemológico de las sociedades, lo cual ha
modificado también la ética y la estética social. Los grandes saltos tecno-
lógicos no sólo han prefigurado los empleos y los procesos de producción
de bienes, sino también han generado cambios en los hábitos y comporta-
mientos sociales e individuales. Baste ver cómo se han modificado nuestras
actividades diarias desde que nos beneficiamos de un teléfono inteligente.
Esto debe tenerse en cuenta, pues las modificaciones que reconocemos (y
las que no, también) dictan y, al mismo tiempo, “impactan en la forma en
que se producen, ofrecen y utilizan los recursos digitales” o cualquier otra
tecnología (Silva et al., 2022: 303).
Siguiendo esta idea, en el ámbito educativo se vislumbra una inquietan-
te posibilidad: la eventual desaparición del papel del profesorado. En este
contexto, algunos especialistas mencionan —a manera de ejemplo— el caso
de Garry Kasparov, campeón mundial de ajedrez, quien en 1997 perdió una
partida contra el superordenador Deep Blue, creado por IBM. Para muchos,
este evento representó una prueba contundente de la existencia de una inte-
ligencia que superaba a la humana.
La anécdota cuenta que —después de la frustración y la sorpresa— Kas-
parov reconoció que las máquinas podrían ganar partidas de ajedrez a los
humanos, pero aseguró que éstas no podrían jugar como lo hacen los huma-
nos. Más allá de la veracidad de la anécdota, busco enfatizar que las máqui-
nas carecen de atributos humanos fundamentales: el pensamiento crítico, el
sentido común, la creatividad y la empatía. En ese sentido, el desasosiego del
profesorado se tendría que reducir al saber que sus capacidades de interac-
ción social, emocionales, comunicativas y motivacionales son insustituibles.
Para eliminar o, por lo menos, mitigar la visión distópica que plantea la
sustitución de los seres humanos por máquinas, es crucial que las personas
que estudian esta temática analicen los procesos de producción, desarrollo
e implicaciones del uso de la IA en las aulas escolares. En esta tarea, el rol de
los docentes no sólo es relevante, sino que resulta indispensable y urgente.
La legítima aspiración de que las tecnologías digitales —incluida la IA—
se integren a la escuela enfrenta varios obstáculos que tienen que ver no sólo
con la viabilidad financiera, sino también con el nivel de formación y de ca-
pacitación, así como con el desarrollo de habilidades y competencias de los
distintos agentes educativos (docentes, estudiantado, autoridades). Se prevé
que la IA inducirá cambios importantes en la forma de concebir, organizar y
ejercer la enseñanza (Silva et al., 2022: 301).
Ante esta situación, las personas expertas en el tema están elaborando
andamiajes teóricos que aspiran a ser útiles para comprender la “vida física”
embebida en la “vida digital”:
Un análisis filosófico de lo que se da en el ciberespacio yendo hacia una her-

menéutica de textos y significados que versan sobre la realidad investigada y la
forma de ser del ser humano con la computadora, los medios y las redes de ma-
nera ubicua, retrata una necesidad de buscar una comprensión de la realidad
que tiene lugar en este espacio virtual (Silva et al., 2022: 285).
Así que, lo queramos o no, “la IA modelará nuestra forma de percibir,

pensar y darle un sentido y actuar en el mundo” (Scolari, 2023: s/p). Por ello,
ante la popularización de plataformas de inteligencia artificial generativa
(como el ChatGPT), lo mejor que la comunidad docente y académica puede
hacer es mantenerse distante de las visiones catastrofistas, así como de las
demasiado optimistas. Es decir, de aquéllas que los medios de comunica-
ción (predigitales y digitales) suelen divulgar.
47
¿Cómo es el sistema educativo al que
aspiramos para las próximas décadas?
El sistema educativo ideal no existe. Uso esta verdad de perogrullo para subra-
yar que un sistema educativo deseable es aquél que proporciona condiciones
como acceso universal, flexibilidad y personalización; el que está enfocado al
desarrollo de habilidades críticas y se apoya en una evaluación significativa y
no numérica; el que es viable financieramente; el que se vincula con la comu-
nidad; y, desde luego, el que es de calidad. El aprovechamiento de la tecnología
en el proceso de enseñanza-aprendizaje formaría parte de ese ideal.
En el sentido de la idea anterior, Carlos Scolari advierte que
…es obligatorio conocer la historia oficial de la IA para poder comenzar a in-

dagar y reconstruir sus otras historias (en el fondo, no deja de ser un problema
educativo: hay que elaborar buenos “planes de estudio” para las IA y supervisar
sus procesos de aprendizaje) (Scolari, 2023: s/p).
Algunas personas expertas subrayan que la IA puede ayudar a alcanzar

las prioridades educativas de manera eficiente, a gran escala y a menores
costos. Al mismo tiempo, es imprescindible señalar la necesidad de consi-
derar los riesgos, las consecuencias no deseadas o inesperadas de la IA en la
educación. Ambos señalamientos conviven, pero una perspectiva dicotó-
mica conduciría a una visión simplista y fragmentada. Lo deseable es cons-
truir una mirada holística, realista, reflexiva y profunda.
El Departamento de Educación de los Estados Unidos considera “impe-
rativo abordar la IA en la educación para aprovechar las oportunidades cla-
ve, prevenir y mitigar los riesgos emergentes y abordar las consecuencias no
deseadas” (U.S. Department of Education, 2023: 3). Desde 2019, el “Consenso
de Beijing sobre la inteligencia artificial y la educación” recomendó algunas
medidas para trabajar en las oportunidades y los desafíos que presenta la
inteligencia artificial en el ámbito de la educación (UNESCO, 2019a):
• Planificar la IA en las políticas educativas.

• Estar al servicio de la gestión y la impartición de la educación.
• Apoyar a la docencia y a los docentes.
• Apoyar el aprendizaje y la evaluación del aprendizaje.
• Apoyar en el desarrollo de los valores y de las competencias necesa-
rias para la vida y el trabajo.
• Ofrecer oportunidades de aprendizaje permanente para todos.
• Uso equitativo e inclusivo, con equidad de género.
• Uso ético, transparente, verificable de los datos y algoritmos
educativos.
• Propiciar el seguimiento, evaluación e investigación sobre IA.
En este planteamiento, el profesorado es el núcleo. A este agente se le

confiere gran parte de la responsabilidad de cuidar la adecuada aplicación
de la IA en el aula (De la Horrá, 2023). En esa medida, se ratifica que el pro-
fesorado es indispensable en todo proceso de integración de innovaciones
educativas de cualquier orden; y eso incluye a la IA.
Como sabemos, la tecnología no es neutra… ni gratuita. En primer lugar,
porque su generación conlleva sesgos; es decir, la generación de aplicaciones
de IA es permeable a tendencias o a una inclinación sistémica en el pensa-
miento o en la toma de decisiones por parte de los diseñadores y programado-
res. Las innovaciones tecnológicas creadas por personas —con preferencias,
prejuicios, disposiciones y creencias— están inevitablemente impregnadas
de sus sesgos. Por esta razón, es necesario examinar de qué información es-
tán hechas y cómo funcionan las plataformas o aplicaciones de IA.
En entrevista, a propósito del ChatGPT, Mauricio Jacobo, ingeniero es-
pecialista en inteligencia artificial, afirmó que:
…el problema no es la herramienta, sino que la humanizamos demasiado. En-

tre el marketing y la desinformación están creando mucho miedo y fe al mismo
tiempo. Se le están agregando atributos humanos a un sistema que se basa en la
probabilidad de las palabras en una selección de textos (entrevistado por Ma-
guey, 2023b: s/p).
En segundo lugar, la tecnología no es gratuita porque representa —in-

cluso aquélla que apoya la enseñanza— un buen negocio para las empresas.
Vivimos en el capitalismo de las plataformas, así que el costo que tiene la
incorporación de las innovaciones en las escuelas se paga con dinero o con
datos personales:
…las plataformas digitales de Google en educación se sostienen como nuevos

espacios de innovación que están generando relaciones rentistas de los datos
anidando otras apps a sus términos de uso, produciendo un aumento de la
gobernanza en el sector educativo y operando bajo nuevas tensiones entre la
competencia y el monopolio en los mercados de educación digital (Saura et al.,
2021: 121).
Sin duda, la IA es producto del desarrollo de algoritmos cada vez más so-
fisticados. Con la programación se simulan procesos de la mente humana,
como aprender y responder a consultas o preguntas con un lenguaje natu-
ral. Es difícil creer que este desarrollo ha tenido una evolución altruista; se
trata, más bien, de la inversión de grandes empresas de tecnología a lo largo
de varias décadas, pero con mayor fuerza en las últimas dos. De hecho, la
actual efervescencia de la IA se considera parte de la guerra de las platafor-
mas (Scolari, 2023).
Se estima que, en las próximas décadas, el mercado tecnológico crecerá
sobre la base de las múltiples aplicaciones de IA. En este contexto, es perti-
nente tener cautela con “la innovación en la práctica educativa y en la forma-
ción docente que lidera Google a través de sus plataformas digitales [y que] se
vende bajo un relato de innovación tecno-educativa” (Saura et al., 2021: 121).
49
¿Cómo determinar el grado de participación
de la IA en la educación?
En el entendido de que la innovación tecnológica transforma los cimientos

de la cultura, el trabajo humano y todos los ámbitos de nuestras vidas, es de
la mayor importancia establecer un marco legal que determine los límites y
reduzca las consecuencias no deseadas de la inclusión de la IA en las aulas.
En el contexto de la pandemia se halló evidencia que indica que “Classroom
opera reconfigurando nuevos mecanismos de control en educación a través
de códigos, datos y algoritmos que generan unas prácticas educativas pro-
gramadas y predeterminadas” (Saura et al., 2021: 121). Así, la indiscutible e
inevitable presencia de la IA en nuestra cotidianidad nos convoca a diseñar
políticas públicas pertinentes. En educación, por obvio que parezca, es ne-
cesario advertir que el diseño de políticas debe centrarse en las personas, y
no en las máquinas.
La incorporación de la IA en el ámbito educativo plantea desafíos y
oportunidades; de ahí que las políticas públicas jueguen un papel crucial en
la determinación de los usos éticos y efectivos de la herramienta. Al respec-
to, la recomendación del Departamento de Educación de Estados Unidos
(2023) es que el modelo de IA se alinee con la visión de aprendizaje del pro-
fesorado. Organismos como la UNESCO (2019a; 2019b; 2022) han esbozado
algunas líneas para el diseño de políticas educativas.
En primer lugar, las políticas deben asegurar que el acceso a las tecnolo-
gías de IA y la educación digital sean equitativas para todo el estudiantado,
independientemente de su contexto individual y social. En segundo lugar,
se deben impulsar programas de capacitación para docentes en el uso de
herramientas y tecnologías basadas en la IA en el aula. En tercer lugar, deben
abordar cómo se evaluará y medirá el impacto de la IA, pues el objetivo es
que cualquier implementación tecnológica ayude a mejorar el aprendizaje
del estudiantado. En cuarto lugar, se necesita impulsar la inversión en in-
fraestructura tecnológica y conectividad en las instituciones educativas. En
quinto, es esencial que las políticas públicas aborden cuestiones éticas y de
privacidad relacionadas con la recopilación y el uso de los datos de los y las
estudiantes. Las acciones gubernamentales deben garantizar que los datos
recolectados por las empresas tecnológicas se utilicen de manera segura y
se protejan los derechos y la privacidad del estudiantado. Finalmente, es
crucial que haya políticas que fomenten la investigación y el desarrollo de
herramientas y recursos educativos basados en IA que apoyen el proceso de
aprendizaje desde todos sus ángulos.
Las regulaciones y las acciones gubernamentales siempre van detrás de
los fenómenos sociales, sobre todo cuando se trata de innovaciones disrup-
tivas. La generación de acciones gubernamentales relacionadas con la IA en
la educación es potestad de cada país; por lo tanto, como suele pasar, es de
esperarse que las naciones con mayor inversión y adopción tecnológica —los
países de alto ingreso— sean los primeros en legislar y trazar políticas edu-
cativas que consideren a la IA como un elemento concurrente en la escuela.
En una entrevista, el ingeniero Jesús Savage recuerda que cuando “apa-
recieron los automóviles no existían reglamentos... hasta que empezaron los
choques se hizo un reglamento. Aquí será el mismo proceso: se debe tener
un reglamento. No es la herramienta, sino el uso que se le da...” (entrevistado
por Maguey, 2023b: s/p). En el mismo tenor, Scolari (2023: s/p) considera que
“estos procesos deberían estar sometidos a un control estricto, como si se
tratara de medicamentos o vacunas”.
Por otro lado, es indispensable considerar que la inclusión de IA en los
salones de clases no debe ser obvia y obligatoria. Es decir, debe haber un es-
pacio para evaluar los beneficios versus los riesgos. El principal argumento
que se esgrime para justificar la inclusión de esta tecnología en el aula es que
el estudiantado debe estar preparado para insertarse al ámbito laboral con-
temporáneo y para contrarrestar el aumento de las desigualdades en el ac-
ceso y uso de los avances tecnológicos. Sin embargo, es necesaria una visión
crítica ante esta situación, pues las grandes empresas de tecnología están
generando “relatos solucionistas” para defender la idea de que la transfor-
mación educativa necesita del uso de la tecnología digital (Saura et al., 2021).
Como mencioné al principio, la evidencia empírica sobre los beneficios
de incluir tecnologías digitales en la educación no es contundente; hay in-
vestigaciones cuyas conclusiones no necesariamente van en ese sentido. En
tanto ampliamos y profundizamos los conocimientos sobre las consecuen-
cias de la IA en la educación, no sólo hay que reconocer los beneficios que
trae consigo su incorporación, sino también hay que conceder que, como
apunta el doctor Luis Pineda, “siempre existe el riesgo de que los contenidos
se utilicen de manera dolosa, con fines no éticos o motivados por intereses
particulares, ya sean económicos o políticos. Tenemos que estar al tanto de
ese riesgo potencial” (entrevistado por Maguey, 2023a: s/p).
Por su lado, Akgun y Greenhow (2022: 435) señalan que “…la agencia de las
personas disminuye a medida que los sistemas de IA reducen el pensamiento
introspectivo e independiente”. Así que, en el análisis de este fenómeno tecno-
social resulta indispensable reflexionar sobre la agencia de las personas.
¿Qué lugar tiene la agencia de los sujetos

en la formulación de una estrategia educativa
que incorpore la IA?
De acuerdo con Anthony Giddens (1998), la agencia refiere a la capacidad

de los actores sociales para actuar de manera consciente y reflexiva. Para
este autor, la agencia implica reflexividad sobre las opciones y alternativas
disponibles; no es simplemente una respuesta automática a las estructuras
sociales y a las normas culturales existentes. En la teoría de la estructuración
de Giddens —debe subrayarse— la agencia y la estructura son conceptos in-
terrelacionados. Si bien la agencia es la capacidad que tienen los individuos
para influir en las estructuras sociales, también es necesario advertir que las
estructuras sociales proporcionan el marco en el que los actores operan y
toman decisiones.
51
Según la postura de este autor, los distintos agentes educativos tienen la
capacidad y el poder de tomar decisiones conscientes y ejercer su voluntad,
aunque siempre está acotada por las estructuras sociales en las que se desen-
vuelven. Es deseable que, en los procesos de inclusión de tecnologías, como
la IA, participen las personas directamente involucradas: docentes, estu-
diantes, personal directivo, padres y madres de familia, etc. Sin embargo, es
cierto que una consulta de este tipo suele ser compleja, primero, porque la
comunidad educativa es enorme y, segundo, porque no es realmente posible
considerar todas las posturas de manera exhaustiva.
Es importante reconocer que el grado de participación de los agentes
educativos en las decisiones sobre la incorporación de la IA en la educación
está relacionado con las propuestas de las grandes empresas tecnológicas,
así como con las posturas y decisiones de quienes se encargan de formular
las políticas públicas, ya que estas personas, con frecuencia, están alineadas
a los intereses económicos de las empresas. En ese sentido, se ha encontrado
que “el rentismo que genera Google está promoviendo nuevas relaciones de
dependencia con una industria educativa global que está transformando las
agendas educativas globales” (Saura et al., 2021: 122).
Por esta razón, entre otras, los algoritmos no deben ocultarse; es necesa-
rio comprender las operaciones de la plataforma de IA que se está utilizan-
do. Esto implica conocer cómo “toma las decisiones” o proporciona reco-
mendaciones, así como qué datos recolecta y utiliza (Scolari, 2023).2
Transparentar los modelos algorítmicos es indispensable dado que los
sesgos disminuyen la equidad y, al contrario, pueden exacerbar la discrimi-
nación. En ese sentido, las tecnologías actuales, su masificación y populari-
zación conllevan grandes problemas de privacidad, vigilancia, autonomía
y prejuicios, por mencionar algunos (Akgun y Greenhow, 2022). Ante este
panorama, Pablo Pruneda Gross, académico de la UNAM, considera que la
IA “se debe regular, entre otras cosas, porque debe protegerse la imagen y la
intimidad de toda la población, pero con particular énfasis entre las infan-
cias” (entrevistado por Frías, 2023: s/p).
¿Cuáles son los mecanismos para

garantizar el uso ético, equitativo y seguro
de la IA en la escuela?
Ahora más que nunca, el tema de la ética en el uso de las tecnologías digita-
les se encuentra en el centro de la discusión.
El informe del índice de IA de 2023 del Instituto de Stanford para la IA centrada

en el ser humano ha documentado una notable aceleración de la inversión en
IA, así como un aumento de la investigación sobre ética, incluidas cuestiones
de equidad y transparencia (U.S. Department of Education, 2023: 3).
2 El Departamento de Educación de Estados Unidos llama explainability a esta práctica

de transparencia.
No obstante, para mitigar los efectos negativos o no deseados de la IA
es indispensable no sólo hacer informes y tratados, sino diseñar acciones
concretas dentro de las escuelas y las aulas.
Sin duda, la alfabetización mediática e informacional —particularmen-
te la digital— puede ser un gran apoyo en esta tarea. Hace más de dos dé-
cadas que especialistas de todo el mundo se han abocado a analizar dife-
rentes aristas del uso de las tecnologías digitales en el ámbito educativo y
formativo. Existe abundante literatura que examina “el rol de los medios de
comunicación [análogos y digitales] en la educación, [y] su impacto sobre
el aprendizaje y la comunicación entre estudiantes y profesores” (Akgun y
Greenhow, 2022: 434).
Específicamente, la alfabetización digital se propone desarrollar com-
petencias y habilidades en el ámbito técnico, en la búsqueda de informa-
ción, en la adaptación al ecosistema mediático actual, en lo referente a la
seguridad y privacidad, en la creación de contenido propio, así como en la
promoción de la ciudadanía digital. En este momento, la alfabetización di-
gital también incluye el conocimiento y análisis de los usos, las implicacio-
nes y las posibles consecuencias de la irrupción de la IA en el ámbito educa-
tivo. La formación de niños, niñas, adolescentes y jóvenes en la utilización
de tecnologías digitales e IA es impostergable.
Desde el punto de vista de las ciencias sociales, el estudio de la IA convoca
a que los y las investigadoras analicen esta temática —y otros asuntos rela-
cionados— como un fenómeno tecnosocial y tecnopedagógico. Sin duda, el
estudio sobre la presencia y el uso de esta herramienta en la escuela ha pro-
piciado nuevas preguntas para la investigación educativa. Dado el auge de la
inteligencia artificial generativa se requiere examinar no sólo las ventajas y
desventajas, sino los alcances y los efectos en los procesos cognitivos, el desa-
rrollo del pensamiento crítico, los procesos de construcción de la identidad,
la capacidad de gestión de inconvenientes, las modalidades de evaluación, la
creatividad, la dependencia tecnológica, así como la disposición para traba-
jar en conjunto y la experiencia y necesidad del pensamiento lento.
A manera de cierre
En este ensayo —como ha quedado de manifiesto— no hay respuestas a las

preguntas que aquí mismo se plantearon, sólo algunas reflexiones y pro-
puestas analíticas. Cualquier conclusión podría quedar obsoleta en cual-
quier instante. Por ello, el análisis sobre las repercusiones de la IA, sobre
todo de la generativa, en educación, debe construirse con la humildad ante
lo desconocido y la apertura para reformular ideas ante nuevos hallazgos.
Lo que hoy nos asombra, mañana podría ser insuficiente.
En ese sentido, y regresando a la pregunta inicial, el futuro está hecho de
las expectativas sobre la expansión de nuestras capacidades y el logro de su
externalización. El futuro de la investigación en ciencias sociales está hecho
del interés por dar cuenta de las formas en que materializamos los distin-
tos sistemas de representación en torno a la programación de algoritmos
53
complejos. El futuro de la investigación educativa está hecho de preguntas
sobre la supervivencia de la escuela, el rol del profesorado, el proceso de en-
señanza, los procesos cognitivos, la socialización y los fenómenos sociocul-
turales que involucren a cualquiera de los agentes educativos.
Es un hecho que la inteligencia artificial va más allá de las computadoras
y que está destinada a tener una presencia aún mayor en nuestra vida diaria
en los próximos años. Las capacidades de la IA superan con creces la inteli-
gencia no humana conocida hasta ahora. Todo indica que las aplicaciones
cotidianas de la IA, tanto en dispositivos físicos como en softwares y plata-
formas digitales, seguirán en aumento y formarán parte integral de nuestra
realidad. Los rápidos avances en modelos de aprendizaje automático y pro-
cesamiento de lenguaje natural harán que interactuemos regularmente con
diversas manifestaciones de inteligencia no humana. Esta integración de la
IA en múltiples ámbitos obliga a reflexionar sobre cómo queremos que estas
tecnologías impacten nuestras vidas.
Referencias
Akgun, Selin y Christine Greenhow (2022), “Artificial Intelligence in Education: Ad-
dressing ethical challenges in K12 settings”, AI Ethics, vol. 2, pp. 431-440. DOI:
https://doi.org/10.1007/s43681- 021- 00096 -7
Beland, Louis-Philippe y Richard Murphy (2015), “III Communication: Technology,
Distraction & Student performance”, London School of Economics and Poli-
tical Science, CEP Discussion Paper No 1350(45), en: https://cep.lse.ac.uk/pubs/
download/dp1350.pdf (consulta: 14 de agosto de 2023).
Cifuentes, Pamela (2023, mayo), “Países que han prohibido el uso de los teléfonos ce-
lulares en las escuelas. Francia, Alemania (Bavaria), Italia y China”, Biblioteca
del Congreso Nacional de Chile/BCN, Asesoría Técnica Parlamentaria, pp. 1-12,
en: https://obtienearchivo.bcn.cl/obtienearchivo?id=repositorio/10221/34247/1/
BCN__Uso_de_celulares_colegios__2023FINAL .pdf (consulta: 11 de agosto de
2023)
De la Horrá Villacé, Ibán (2023), “Trabajando en el aula con asistentes virtuales, chat-
bots e IA generativa”, Nueva Educación Latinoamericana, núm. 13, pp. 14-26.
Del Hoyo, Nerea (2023, 5 de julio), “Europa refuerza su lucha por la ‘desintoxicación
digital’: la larga lista de países que prohíben los móviles en centros educativos”,
Antena3, en: https://www.antena3.com/noticias/mundo/europa-refuerza-lu-
cha-desintoxicacion-digital-larga-lista-paises-que-prohiben-moviles-centros-
educativos_2023070564a5934141e06200017ac426.html (consulta: 14 de agosto de
2023).
Frías, Leonardo (2023, 11 de mayo), “Avanza irrupción de la inteligencia artificial ge-
nerativa”, Gaceta UNAM, núm. 5384, en: https://www.gaceta.unam.mx/avanza-
irrupcion-de-la-inteligencia-artificial-generativa/ (consulta: 10 de agosto de
2023).
García-Peña, Víctor René, Alex Bladimir Mora-Marcillo y Jhonny Antonio Ávila-Ra-
mírez (2020), “La inteligencia artificial en la educación”, Domio de las Ciencias,
vol. 6, núm. 3, pp. 648- 666.
Giddens, Anthony (1998), Modernidad e identidad del yo: el yo y la sociedad en la época
contemporánea, Barcelona, Península.
Hamid, Jai (2023, 22 de junio), “Japan is Using Generative AI in Schools”, Cryptopolitan,
en: https://www.cryptopolitan.com/japan-is-using-generative-ai-in-schools/
(consulta: 23 de octubre de 2023).
Maguey, Hugo (2023a, 11 de mayo), “Contra la IA, intereses económicos”, Gaceta UNAM,
núm. 5384, en: https://www.gaceta.unam.mx/contra-la-ia-intereses-economicos/
(consulta: 28 de julio de 2023).
Maguey, Hugo (2023b, 11 de mayo), “Regular, no suprimir”, Gaceta UNAM, núm. 5384,
en: https://www.gaceta.unam.mx/regular-no-suprimir/ (consulta: 28 de julio
de 2023).
Maslej, Nestor, Loredana Fattorini, Erik Brynjolfsson, John Etchemendy, Katrina Li-
gett, Terah Lyons, James Manyika, Helen Ngo, Juan Carlos Niebles, Vanessa
Parli, Yoav Shoham, Russell Wald, Jack Clark y Raymond Perrault (2023), The
AI Index 2023 Annual Report, AI Index Steering Committee, Stanford, Stanford
University-Institute for Human-Centered AI, en: https://aiindex.stanford.edu/
wp-content/uploads/2023/04/HAI_AI-Index-Report_2023.pdf (consulta: 23 de
octubre de 2023).
Mead, George H. (1973), Espíritu, persona y sociedad. Desde el punto de vista del con-
ductismo social, Barcelona, Grupo Planeta.
OECD (2018), “Education and AI: Preparing for the future & AI, Attitudes and Values”,
8° Informal Working Group (IWG Meeting), OECD Conference Centre, París,
29-31 de octubre de 2018, en: https://www.oecd.org/education/2030 -project/
about/documents/Education-and-AI-preparing-for-the-future-AI-Attitudes-
and-Values.pdf (consulta: 23 de octubre de 2023).
OECD (2021), Pushing the Frontiers with AI, Blockchain and Robots, París, OECD Publish-
ing. DOI: https://doi.org/10.1787/589b283f-en
OECD (2023), “Generative AI in the Classroom: From hype to reality?”, Launch meeting
of the Schools+ Network, Bolonia, 22-23 de mayo de 2023, en: https://one.oecd.
org/document/EDU/EDPC(2023)11/en/pdf (consulta: 23 de octubre de 2023).
Pérez, Enrique (2023, 5 de julio), “La prohibición del móvil en clase se extiende por
Europa. En España seguimos sin consenso”, Xataka, en: https://www.xataka.
com/otros/prohibicion-movil-clase-se-extiende-europa-ahora-holanda-espa-
na-seguimos-consenso (consulta: 22 de octubre de 2023).
Rivas, Axel, Nicolás Buchbinder e Ignacio Barrenechea (2023), El futuro de la inteli-
gencia artificial en educación en América Latina, ProFuturo/OEI, en: https://
oei.int/oficinas/secretaria-general/publicaciones/el-futuro-de-la-inteligencia-
artificial-en-educacion-en-america-latina (consulta: 23 de octubre de 2023).
Saura, Geo, Javier Enrique Díez-Gutiérrez y Pablo Rivera-Vargas (2021), “Innovación
tecno-educativa ‘Google’. Plataformas digitales, datos y formación docente”,
REICE . Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación,
vol. 19, núm. 4, pp. 111-124. DOI: https://doi.org/10.15366/reice2021.19.4.007
Scolari, Carlos (2023, 14 de mayo), “10 tesis sobre la IA”, Hipermediaciones, en: https://
hipermediaciones.com/2023/05/14/10 -tesis-sobre-la-ia/#comments (consulta:
28 de julio de 2023).
Silva, Sonia de Souza, Fabiola Martins Stavny y Marco Aurélio Kalinke (2022), “La
inteligencia artificial en el contexto de la educación: el análisis de sus avan-
ces a partir de perspectivas teórico-filosóficas y de procesos educativos”, Pa-
radigma, vol. 43, núm. 2, pp. 282-306. DOI: https://doi.org/10.37618/PARADIG-
MA.1011-2251.2022.p282-306.id1227
UNESCO (2019a), “Consenso de Beijing sobre la inteligencia artificial y la educación”,
documento final de la Conferencia Internacional sobre la Inteligencia Artificial
y la Educación “Planificación de la educación en la era de la inteligencia arti-
ficial: dirigir los avances”, 16 -18 de mayo de 2019, Beijing, en: https://unesdoc.
unesco.org/ark:/48223/pf0000368303/PDF/368303qaa.pdf.multi (consulta: 28 de
julio de 2023).
UNESCO (2019b), “Artificial Intelligence in Education: Challenges and opportunities
for sustainable development”, París, UNESCO-Working Papers on Education
Policy.
UNESCO (2022), K-12 AI Curricula: A mapping of government-endorsed AI curricula,
París, UNESCO, en: https://unesdoc.unesco.org/ark:/48223/pf0000380602/
PDF/380602eng.pdf.multi (consulta: 28 de julio de 2023).
U.S. Department of Education-Office of Educational Technology (2023), “Artificial In-
telligence and Future of Teaching and Learning: Insights and recommenda-
tions”, Washington, DC , U.S. Department of Education.
55
Convivir con inteligencias artificiales
en la educación superior
Retos y estrategias
Mauricio Andión Gamboa*
Diana Irene Cárdenas Presa**
En este ensayo se exploran las implicaciones del uso Palabras clave

de las inteligencias artificiales generativas (IAG) en la
educación superior, con especial atención a cuatro Inteligencia artificial
retos principales, siete estrategias y diversas herra- Educación superior
mientas necesarias para aprovechar esta tecnología Docencia
en la docencia y la investigación. Adicionalmente, se
plantea la necesidad de promover la alfabetización Alfabetización digital
digital en el campo de la educación superior, en sus Ciudadanía
modalidades informática y multimedial, como una
estrategia clave para convivir con las IAG, aprender
a usarlas de manera apropiada y contribuir a la for-
mación de ciudadanía en esta nueva fase de la era
digital. Al final se concluye con que uno de los fines
de la educación superior sería adaptarse a estos nue-
vos tiempos y, en consecuencia, aprender a usar las
IAG de forma apropiada en la educación, el ejercicio
profesional y de la ciudadanía.
* Profesor-investigador titular del Departamento de Educación y Comunicación (DEC)
de la Universidad Autónoma Metropolitana, Xochimilco (UAMX) (México). Doctor
en Filosofia con especilaidad en Educación y Comuncación. Línea de investigación:
educación y cultura digital. Publicaciones recientes: (2021, coord. con D. Lizarazo y E.
Andión), Horizontes digitales. Rupturas e interrogaciones en la reconfiguración sociodigi-
tal contemporánea, México, UAMX; (2019), Universidad nodo. Modelo para la formación
de comunicadores en la era digital, México, UAMX. CE: [email protected].
ORCID: https://orcid.org/0000- 0002-5813-3100
** Estudiante de la Maestría en Desarrollo y Planeación de la Educación (DEPLAED) de la Di-
visión de Ciencias Sociales y Humanidades (DCSH) de la Universidad Autónoma Metro-
politana, Xochimilco (UAMX) (México). Especialista en Diseño y desarrollo de productos
y servicios de inteligencia artificial. ORCID: https://orcid.org/0009-0004-7005-2524

Introducción
En la actualidad, nos encontramos inmersos en el surgimiento de una nueva

fase de la era digital. Iniciada a partir de la revolución tecnológica digital du-
rante las décadas de los años setenta y ochenta del siglo pasado, continuó con
la emergencia de la Internet como nueva tecnología de comunicación en los
años noventa y se consolidó durante los primeros años del siglo XXI como
medio de comunicación masiva y como industria global derivada de la
irrupción de la Internet 2.0 y las redes socio-digitales en el campo mediático.
En su momento las TIC fueron tecnologías disruptivas; posteriormen-
te, su apropiación por parte de las sociedades modernas propició el esta-
llamiento de la tercera revolución industrial, enmarcada históricamente
en un sistema económico capitalista-financiero basado en la producción,
distribución, circulación y consumo masivo de información. Ahora, con la
emergencia de nuevas tecnologías derivadas de los campos de las ciencias
de la computación, la informática, la robótica, la Internet 3.0, la genómica y,
en particular, con los avances de la inteligencia artificial (IA), recién comen-
zamos a experimentar la detonación de una cuarta revolución industrial.
De acuerdo con el discurso de las élites económicas mundiales (Schawab,
2016), esta nueva revolución industrial se distingue de las anteriores por la
velocidad con la que está ocurriendo, ya que su evolución se está dando a un
ritmo exponencial. A la vez, se caracteriza por su amplitud y profundidad,
pues si bien se funda en los aportes de la revolución digital, integra nuevas
tecnologías emergentes que están cambiando no sólo el qué y el cómo se
hacen las cosas, sino la misma identidad del ser humano, lo cual nos está
llevando a cuestionar quiénes somos como especie. Así mismo, esta revo-
lución está transformando todos los sistemas de relaciones sociales, entre y
dentro de los países, las organizaciones, las empresas y, general, en los mun-
dos de vida social en los que habitamos e interactuamos los seres humanos.
En el caso de la IA como tecnología emergente, habría que decir que su
origen puede rastrearse a las décadas de los años treinta y cuarenta del siglo
pasado, con base, principalmente, en el trabajo del matemático británico Alan
Türing. La IA nace con el propósito de responder afirmativamente a la pregun-
ta de Türing: “¿son las máquinas capaces de pensar?”, y se plantea como pro-
pósito último replicar o simular el funcionamiento de la inteligencia humana
en las máquinas.
Se trataba de una meta muy ambiciosa que planteaba —y continúa plan-
teando— múltiples interrogantes y ha suscitado toda clase de debates éti-
cos, políticos y técnicos, lo que hace difícil encontrar una definición única
de inteligencia artificial. Como relata Tim Young en su texto "The Japan AI
Experience…”, en 2017 el CEO de DataRobot propuso una definición actua-
lizada con la que podríamos fijar un punto de partida. De acuerdo con su
planteamiento, “la inteligencia artificial es un sistema informático capaz de
realizar tareas que normalmente requieren inteligencia humana… muchos
de estos sistemas de IA se basan en el machine learning, otros en el deep lear-
ning” (Young, 2017: s/p).
M. Andión y D.I. Cárdenas | Convivir con inteligencias artificiales en la educación superior
57
Cuando se habla de machine learning se hace referencia a un conjunto de
técnicas que dan a las máquinas la capacidad de aprender automáticamente
un conjunto de reglas a partir de datos, a diferencia de la programación,
que consiste en la ejecución de reglas predeterminadas. Por su parte, el deep
learning, o aprendizaje profundo, es una técnica de aprendizaje automático
basada en el modelo de red neuronal que es capaz de almacenar decenas
o incluso cientos de capas de neuronas para aportar mayor complejidad al
establecimiento de reglas.
La automatización de las labores humanas a partir del uso de las IA ha
dado lugar a un campo tecnológico en el que se produce, distribuye, circula
y consume una inmensa variedad de sistemas y modelos de IA; entre ellas
están las inteligencias artificiales generativas (IAG), que pueden agruparse
básicamente en tres tipos, de acuerdo a su función: como herramientas de
consulta (consultant), como asistentes virtuales (copilot) y como agentes (ro-
bot) capaces de ejecutar tareas de forma automática y tomar decisiones ba-
sadas en algoritmos o protocolos, así como de procesar enormes cantidades
de información existente y recolectada en el ciberespacio.
En los últimos años se ha desarrollado una herramienta llamada Chat-
GPT (generative pre-trained transformer) que utiliza la inteligencia artificial
para generar respuestas y conversaciones en lenguaje natural. El ChatGPT-3,
que es la tercera versión de este tipo de inteligencia artificial —conocida
como procesamiento del lenguaje natural (PLN)— se enfoca en la interac-
ción entre las computadoras y el lenguaje humano.
Hace unos cuantos meses salió al mercado el ChatGPT-4, que es el más
reciente modelo de lenguaje preentrenado de OpenAI;1 sus capacidades se
vinculan con el lenguaje multimodal, ya que admite entradas de imágenes y
texto, al tiempo que emite salidas únicamente de texto. Es capaz de realizar
tareas como generación de texto en diferentes formatos y estilos, resúmenes,
traducción, composición de canciones, respuestas a preguntas complejas y
más. Para diciembre del año 2023, según la información disponible, OpenAI
planea completar el entrenamiento de la red neuronal GPT-5 y con ello espe-
ra alcanzar la AGI (artificial general intelligence), que implica la capacidad de
un programa para pensar y actuar como una persona.
Ante el avance vertiginoso en el desarrollo de esta tecnología digital,
emergente en todo el mundo, no tenemos otra alternativa que adaptarnos
y aprender a convivir con estas múltiples formas de IA, de tal manera que
podamos aprovechar al máximo sus potencialidades, particularmente en el
ámbito educativo.
En este momento, según fuentes de organismos internacionales, el uso
de los distintos sistemas y modelos de IA ha demostrado tener un impacto
muy significativo en diversos ámbitos de la sociedad, y la educación supe-
rior no es la excepción (Sabzalieva y Valentini, 2023). La integración de las
IAG en la cultura, la educación incluida, plantea tanto posibilidades prome-
tedoras como retos que deben ser abordados (UNESCO, 2018).
1 Open AI es una compañía de inteligencia artificial que ha lanzado versiones anteriores
del modelo, como GPT (2018), GPT-2 (2019), GPT-3 (2020) y GPT-3.5 (2022), así como otra
herramienta muy popular, el generador de imágenes DALL-E.
En este artículo exploraremos las implicaciones del uso de las IAG en la
educación superior, con énfasis en cuatro principales retos que se observan
en el horizonte; y se abordan algunas estrategias y herramientas necesarias
para aprovechar de mejor forma esta tecnología. Al final se plantea la ne-
cesidad de promover la alfabetización digital en el campo de la educación
superior, en sus modalidades informática y multimedial, como estrategia
clave para convivir con las IAG, aprender a usarlas de manera apropiada y
contribuir a la formación de ciudadanía para esta nueva fase de la era digital.
Retos de la educación superior

ante la emergencia de las IA generativas
En este apartado revisaremos cuatro de los principales retos que implica

la emergencia de las inteligencias artificiales generativas (IA) en el campo
de la educación superior, lo cual plantea desafíos significativos que deben
abordarse de manera efectiva para que pueda ofrecer beneficios (Göçen y
Aydemir, 2020; Sabzalieva y Valentini, 2023). Más adelante presentaremos
algunas estrategias y herramientas para enfrentar estos retos.
Exceso de información
En un mundo cada vez más interconectado, los estudiantes se enfrentan a una
avalancha de información y las IA pueden ayudar a filtrar y organizar estos
datos para brindarles contenido que se encuentra en tendencia. En este caso,
la curaduría de información (Mosco, 2016) toma relevancia; consiste en reali-
zar un filtrado crítico y ético de los recursos disponibles, e identificar aquéllos
que son más pertinentes y significativos para el proceso de aprendizaje.
La curaduría de información va más allá de una simple recopilación de
recursos, ya que implica evaluar la calidad, relevancia y actualidad de la in-
formación, así como considerar diferentes perspectivas y fuentes confiables
(Juárez et al., 2017). Ante herramientas de inteligencia artificial (Carrazana,
2014) que facilitan la información, como Bard o ChatGPT, se propone consi-
derar los siguientes puntos:
• Enseñanza explícita: los docentes pueden incorporar la curaduría de

información como parte del currículo, y para ello enseñar a los estu-
diantes estrategias para evaluar la calidad de la información, selec-
cionar recursos relevantes y organizarlos de manera efectiva (Avello
et al., 2014).
• Herramientas y tecnologías: existen diversas herramientas y platafor-
mas tecnológicas que facilitan la curaduría de información, como
agregadores de noticias (Flippboard, Mktfan), marcadores sociales
(Reddit, Twitter), sistemas de gestión de contenidos (Endnote, Men-
deley) y herramientas de anotación y organización (Notion, Evernote).
• Colaboración y retroalimentación: fomentar la colaboración entre estu-
diantes y docentes en la curaduría de información promueve el inter-
cambio de conocimientos y perspectivas (Juárez et al., 2017), así como
la retroalimentación constructiva sobre las selecciones realizadas.
59
• Evaluación continua: es importante evaluar de manera continua y
formativa la calidad de la curaduría de la información (Tammaro et
al., 2017) realizada por los estudiantes, así como proporcionar orienta-
ción y retroalimentación para mejorar sus habilidades en este aspecto.
Una herramienta de IA que apoya en este proceso es Iris AI, una plata-
forma integral para la búsqueda inteligente con una amplia gama de filtros,
análisis de listas de lectura, resúmenes autogenerados, así como extracción
y sistematización autónoma de datos.
Escasez de contenidos apropiados y de alta calidad

Aunque la información está ampliamente disponible, es necesario asegurar
la calidad y pertinencia de los contenidos aplicados a los objetivos educati-
vos. Las IA pueden contribuir a desarrollar recursos educativos (Araujo y
Bermúdez, 2009) adaptados y de alta calidad; nuevamente cabe mencionar
al ChatGPT, un sistema de generación de lenguaje natural que puede crear
información capaz de adaptarse a diferentes niveles y estilos de aprendizaje,
sin embargo, esto no asegura la calidad de los datos que proporciona.
Debido a lo anterior, la colaboración de los profesionales de la educa-
ción, junto con los desarrolladores de IA (Yuniesky, 2021), permitiría la crea-
ción de materiales didácticos alineados con los objetivos educativos de la
educación superior y de cada área profesional. Por ejemplo, la Universidad
de Harvard anunció que está utilizando una herramienta de inteligencia
artificial de ChatGPT para ayudar a impartir cursos de informática para
principiantes y, al mismo tiempo, para reducir la carga laboral de los docen-
tes. La herramienta de inteligencia artificial de nombre CS50 Bot se utilizará
como parte de la clase introductoria de dicha universidad en el programa
de Ciencias de la Computación como herramienta de apoyo para los es-
tudiantes (Malan, 2023). La universidad afirma que no se trata de reducir
el número de profesores, sino de potenciarlos y dejarles más tiempo para
tareas más importantes (Bécares, 2023). Desde Harvard, el profesor David
Malan reconoce que las IA tienen limitaciones y subraya la importancia del
pensamiento crítico de los estudiantes cuando se enfrentan a contenidos
generados por las IA; así mismo, enfatiza que los estudiantes deben ejercer
su propio juicio a la hora de evaluar la información (Bécares, 2023).
Dislocamiento de la relación maestro-alumno

Como se mencionó en el apartado anterior mediante el ejemplo de Har-
vard, la introducción de la IA en el aula puede plantear interrogantes sobre
el papel del profesor y la interacción con los estudiantes (Avendaño, 2023),
es por ello que resulta esencial encontrar un equilibrio adecuado entre la
enseñanza asistida por las IA generativas y la relación humana en el proceso
educativo (Urretavizcaya, 2001).
En lugar de ver las IA como una amenaza, ésta debe ser considerada
como una herramienta complementaria que puede potenciar la investiga-
ción, la enseñanza y el aprendizaje (Sánchez, 2023).
Por ejemplo, mediante el uso de Wizdom.ai los profesores pueden apro-
vechar las capacidades de las IA para analizar los desarrollos científicos y
permitir la identificación de investigadores e instituciones de vanguardia
para una posible colaboración que involucre a sus estudiantes.
Cabe resaltar que, en el aula presencial o virtual, los profesores desem-
peñan un papel activo en el diseño y la moderación de actividades colabora-
tivas al fomentar el diálogo y el aprendizaje entre pares. Por lo tanto, aunque
las IA puedan brindar miles de datos y retroalimentación instantánea, los
profesores siguen siendo fundamentales para aportar tutoría y apoyo per-
sonalizado (Anacona et al., 2019).
Obsolescencia de los planes de estudio

Las IA pueden analizar grandes volúmenes de datos provenientes de diver-
sas fuentes, como el mercado laboral, la industria y las tendencias tecnoló-
gicas (OECD, 2018); esto se logra debido al uso de algoritmos de aprendizaje
automático, los cuales pueden identificar patrones y tendencias emergentes,
así como proporcionar información valiosa sobre las habilidades y conoci-
mientos más relevantes y demandados en el contexto actual (Somasunda-
ram et al., 2020). Por ejemplo, la orientación vocacional se vería impulsada
por herramientas como Careerdekho.ai, la cual permite que los estudiantes
escriban sus intereses clave y reciban sugerencias de carreras profesionales
que podrían ser de su preferencia, incluyendo una descripción de las princi-
pales responsabilidades que se tendrían en el ámbito laboral.
En relación con lo anterior, los estudiantes deben estar capacitados para
el trabajo, por lo tanto, dentro de los programas de estudio se debe conside-
rar el aprendizaje basado en proyectos, ya que éste proporciona la oportuni-
dad de aplicar conocimientos y habilidades en contextos reales para poder
abordar las necesidades cambiantes del mercado laboral (Keiper, 2023). Esto
permite una evaluación formativa y adaptativa donde los profesores (Geor-
gina y Olson, 2008) y los estudiantes reciben información inmediata para
mejorar el aprendizaje y ajustar los planes de estudio en consecuencia.
Es importante destacar que la actualización de los planes de estudio no
debe basarse únicamente en las demandas actuales del mercado laboral,
que de facto es incierto, sino que también debe considerar una educación
integral que promueva habilidades críticas y una comprensión profunda.
La colaboración entre expertos en educación, la industria laboral y los pro-
fesionales de la IA es esencial para garantizar una actualización efectiva y
equilibrada de los planes de estudio.
Estrategias para aprovechar el potencial

de las IA en la educación superior
Desarrollo de habilidades de pensamiento crítico

Las IA pueden ayudar también a los docentes a enseñar y promover habili-
dades de pensamiento crítico en los estudiantes (Rüütmann, 2019). Debido
a lo anterior, la metacognición, es decir, la capacidad de reflexionar sobre el
61
propio proceso de aprendizaje es fundamental para contrarrestar la inme-
diatez y la memoria (Bergamaschi et al., 2021).
Con las nuevas herramientas que se derivan del uso de las IA, los estu-
diantes pueden desarrollar y utilizar estrategias de estudio efectivas y per-
sonalizadas mediante el uso de aplicaciones de IA; además, pueden recibir
orientación sobre cómo mejorar su memoria y retención de la información.
Como surgencia, a continuación se enlistan tres recursos de apoyo para de-
sarrollar estrategias didácticas:
• Doctrina AI, permite resumir notas de clase, redactar ensayos y dise-

ñar lecciones interactivas.
• SDK es un kit de desarrollo de software que permite a las instituciones
educativas y estudiantes integrar estas herramientas de IA en sus pro-
pios sistemas para así crear experiencias de aprendizaje mejoradas y
personalizadas.
• Quizgeko mejora los hábitos de estudio y la memorización al generar
automáticamente flashcards, cuestionarios y evaluaciones en línea.
Creación y promoción de carreras profesionales

especializadas en el uso de IA
Las instituciones educativas pueden diseñar programas académicos espe-
cializados en el uso de las IA aplicadas a educación; estos programas po-
drían incluir cursos que cubran aspectos como aprendizaje automático,
procesamiento de lenguaje natural, ética de las IA, diseño de experiencia de
usuario y gestión de proyectos educativos basados en IA.
Para ello, sería fundamental la existencia de oportunidades de realizar
prácticas profesionales y pasantías en organizaciones educativas y empresas
tecnológicas para que los estudiantes adquieran experiencia práctica en la
aplicación de las IA en la educación. Estas experiencias les permitirían fa-
miliarizarse con las tendencias y los desafíos reales en el campo, así como
fortalecer su perfil profesional y facilitar su transición al mercado laboral
(OECD, 2021).
Además de las licenciaturas e ingenierías, las instituciones educativas
y las organizaciones pueden proporcionar oportunidades de formación
continua, como cursos en línea, talleres y conferencias, con el propósito
de fomentar el desarrollo profesional de los especialistas en IA y educación
(Krassadaki y Matsatsinis, 2023).
Así mismo, la integración de la IA en la educación ofrece oportunidades
para la creación de nuevas empresas (Bessen, 2018) y startups especializadas
en soluciones educativas basadas en IA; para ello, las instituciones educati-
vas podrían colaborar con empresas para diseñar programas académicos
alineados con las necesidades del mercado laboral, que abran oportunida-
des de empleo para los graduados.
Aprendizaje basado en proyectos de investigación
integrados en programas docentes
La implementación de proyectos de investigación integrados a módulos en
el currículo es una estrategia efectiva para fomentar el pensamiento crítico,
la colaboración y el desarrollo de habilidades de creatividad y resolución de
problemas en los estudiantes.
Esta metodología les brinda la oportunidad de aplicar la teoría en situa-
ciones prácticas y con ello promueve una comprensión más profunda de
los conceptos y una mayor motivación en el proceso de aprendizaje (Zhang
et al., 2021). Los docentes pueden utilizar rúbricas (Altamirano et al., 2022)
para evaluar la calidad de la investigación, la presentación de resultados, la
colaboración en equipo y la reflexión crítica. Además, es importante valorar
tanto el proceso de investigación como los productos finales, así como reco-
nocer el esfuerzo y la creatividad de los estudiantes.
Por otro lado, el uso de herramientas como Bit.ai permite crear espacios
de trabajo; el docente puede abrir aulas de trabajo con chat en vivo, así como
crear documentos interactivos utilizando enlaces web visuales, presenta-
ciones, videos, publicaciones en redes sociales y encuestas, todo ello con el
fin de favorecer los proyectos de investigación.
Otra herramienta útil para el desarrollo de proyectos de investigación
es, por ejemplo, Wisio, una plataforma impulsada por inteligencia artificial
para la escritura científica que brinda sugerencias personalizadas para el
texto y que traduce de cualquier idioma al inglés científico, además de que
es capaz de buscar y hacer referencia instantáneamente a los últimos descu-
brimientos científicos.
Aprendizaje autogestivo con apoyo de las IA

El aprendizaje autogestivo es una metodología que se utiliza principalmen-
te en cursos virtuales y que permite a los estudiantes asumir un papel más
activo y autónomo en su proceso de aprendizaje (Coronado, 2002). Las IA
pueden desempeñar un papel crucial al proporcionar recursos adaptados,
retroalimentación instantánea y seguimiento personalizado para apoyar el
aprendizaje autogestivo de los estudiantes (Ponce, 2015).
Es el caso de Tutor AI, una plataforma de aprendizaje impulsada por IA
donde se puede ingresar cualquier tema para obtener varias opciones de
aprendizaje relacionadas con él. Otro ejemplo es Unschooler.me, que per-
mite interactuar y obtener comentarios. Literalmente, el estudiante puede
hablar con videos, agregar cualquier información y enviar tareas para ob-
tener comentarios.
Se debe hacer énfasis en que el aprendizaje autogestivo con apoyo de las
IA no reemplaza la interacción humana y el papel del docente. Los profeso-
res desempeñan un papel clave en guiar y motivar a los estudiantes, brindar
apoyo emocional y promover habilidades de autorregulación; el papel que
las IA podrá cumplir deberá complementar la enseñanza y el aprendizaje
al proporcionar recursos personalizados y retroalimentación instantánea
acerca del desempeño (Castrillón et al., 2020).
63
Desarrollo de habilidades “blandas”
El desarrollo de habilidades “blandas”, también conocidas como habilida-
des socioemocionales o habilidades del siglo XXI, se ha vuelto cada vez más
importante en el contexto de la IA y el futuro laboral. Estas habilidades, que
incluyen la creatividad, la colaboración, la comunicación y el pensamiento
crítico, conocidas como las 4-C, son fundamentales para que los estudiantes
enfrenten los desafíos del mundo laboral en constante evolución (Romero
González et al., 2021).
Las IA pueden proporcionar casos de estudio en equipo y herramientas
de simulación para enriquecer el aprendizaje; y los docentes pueden enseñar
estrategias de comunicación oral y escrita, así como el desarrollo de las 4-C
(Guerra-Báez, 2021). Además, el docente puede utilizar To Teach AI y Teacher-
bot, que permiten el desarrollo de planeaciones creativas y, con ello, impulsar
las habilidades blandas de sus estudiantes mediante clases colaborativas.
Es fundamental destacar que el desarrollo de habilidades blandas no
debe relegar la importancia de los conocimientos técnicos y académicos.
Ambos aspectos son complementarios y se refuerzan mutuamente (Zhang,
2012). La integración efectiva de las habilidades blandas en el currículo enri-
quece la formación integral de los estudiantes; así mismo, los prepara para
enfrentar los desafíos del futuro laboral y para adaptarse a un entorno en
constante cambio.
Enseñanza mediante equipos y cuerpos docentes

La enseñanza mediante equipos y cuerpos docentes es una estrategia eficaz
para fomentar el intercambio de conocimientos y perspectivas, en tanto que
promueve un aprendizaje más enriquecedor y multidisciplinario. Al cola-
borar y trabajar en equipo, los profesores pueden combinar sus fortalezas y
compartir experiencias y enfoques pedagógicos, así como ofrecer a los estu-
diantes una educación más integral y diversa.
Los equipos docentes (Sánchez et al., 2021) deben tener tiempo y espacio
para la planificación colaborativa. Durante estas reuniones, los profesores
pueden discutir y diseñar enfoques pedagógicos, actividades y evaluacio-
nes que fomenten el aprendizaje multidisciplinario y el desarrollo integral
de los estudiantes. Existen herramientas colaborativas de IA para facilitar la
planificación y la comunicación entre los miembros del equipo, por ejem-
plo, Laxis, Magical, MeetGeek y Mem AI.
Evaluación automatizada y cualitativa en la educación

La implementación de la evaluación automatizada mediante el uso de IA pue-
de agilizar y mejorar los procesos de evaluación en la educación (Cabero et al.,
2017); sin embargo, es fundamental complementarla con una evaluación cua-
litativa que considere aspectos no cuantificables, como la comprensión pro-
funda, la creatividad y la capacidad de análisis crítico (Sekeroglu et al., 2019).
Las IA pueden analizar grandes cantidades de datos de evaluación para
identificar patrones y tendencias. Esto permite identificar áreas de mejo-
ra, fortalezas y debilidades en el aprendizaje de los estudiantes, así como
generar informes y análisis personalizados (Capllonch y Buscà, 2017). Los
docentes pueden utilizar estos datos para tomar decisiones informadas y
adaptar su enseñanza.
La alfabetización digital como estrategia

para convivir con las IA
Partimos del supuesto de que la alfabetización digital es una estrategia clave

para poder convivir con las IA en contextos educativos, particularmente en
las universidades e instituciones de educación superior, ya que, independien-
temente de lo incierto que se prevea el futuro del mercado laboral y la acele-
ración con la que transcurra el cambio tecnológico y la producción de cono-
cimientos, lo cierto es que hemos ingresado a una nueva fase de la era digital,
lo que implica que habrá que adaptarse a nuevas formas de relacionarnos,
trabajar, comunicar, educar y, en general, de vivir en sociedad (Andión, 2021).
En su sentido restringido, la alfabetización digital proporciona a los
estudiantes y docentes las habilidades necesarias para utilizar las tecno-
logías de la información y la comunicación, incluyendo las IA, de mane-
ra efectiva (Georgina y Olson, 2008); este aprendizaje debería permitirles
aprovechar apropiadamente las herramientas y recursos digitales disponi-
bles en el entorno educativo, al facilitar la adquisición y el intercambio de
conocimientos.
En un sentido más amplio, la alfabetización digital también permitiría a
los estudiantes y docentes acceder a una amplia gama de información y re-
cursos educativos en línea (Carpenter, 2020). A través de las IA, pueden en-
contrar y utilizar contenido relevante y actualizado, mejorar su investigación
y obtener diferentes perspectivas sobre un tema determinado. Los estudian-
tes pueden trabajar juntos en proyectos, discutir ideas y compartir recursos,
lo que promueve un aprendizaje activo y colaborativo (Sailer et al., 2021).
No obstante, a pesar de las ventajas que en primera instancia pudiera
traer la aplicación de esta estrategia educativa, desde ciertas perspectivas se
argumenta que la alfabetización digital podría, eventualmente, acentuar la
brecha digital existente (Gómez et al., 2018), ya que no todos los estudiantes
y docentes tienen igual acceso a la tecnología y la conectividad. Aquéllos
que carecen de recursos digitales adecuados podrían quedar rezagados y
enfrentar desventajas en su educación; con ello se exacerbarían las desigual-
dades sociales y se limitarían las oportunidades de aprendizaje para ciertos
grupos de estudiantes. También se ha afirmado que la alfabetización digital
podría llevar a una dependencia excesiva respecto de la tecnología, lo que
podría tener impactos negativos en el desarrollo de habilidades sociales, el
pensamiento crítico y la resolución de problemas fuera del entorno digital
(L’Ecuyer, 2015; Shiohira, 2021); y que una dependencia excesiva de las IA
puede limitar la autonomía y la capacidad de toma de decisiones indepen-
dientes de los estudiantes, ya que al confiar en exceso en las respuestas y
sugerencias automatizadas, esto podría traer como consecuencia el decai-
miento de la inteligencia humana.
65
Lo cierto es que, precisamente por los riegos que puede implicar el mal
uso de la tecnología digital y las IA, el diseño, planeación e implementación
de los programas de alfabetización digital adquieren una mayor relevan-
cia como una estrategia educativa. Sin embargo, este tipo de programas no
puede limitarse a la capacitación técnica, sino que se requiere contar con
un fundamento ético que oriente sus objetivos, como sería, por ejemplo, la
formación de ciudadanía digital (Andión, 2020).
En este caso, si los programas de alfabetización digital logran despertar
en las nuevas generaciones la curiosidad por el conocimiento y por saber
cómo se produce, así como a aprender a aprender por sí mismas; si, apro-
vechando las ventajas y servicios que proporcionan las TIC y las IA se logra,
a través de estos programas, desarrollar en las nuevas generaciones la crea-
tividad, el pensamiento crítico, la capacidad de colaborar en redes y comu-
nicar —a través de múltiples lenguajes y medios— lo que piensan y sienten,
entonces, la inteligencia humana podría seguir desarrollándose, creciendo
y manifestándose en formas impredecibles.
La idea básica sería fomentar el diseño, la planeación e implementación
de programas de alfabetización digital, en sus modalidades informática y
multimedial, a nivel universitario, como ejes transversales de las funcio-
nes sustantivas de docencia, investigación y servicio, e implementarlos con
el objetivo de saber qué son y cómo funcionan las TIC y las IA; entender el
sentido de sus secuelas sociales, mediáticas, empresariales y corporativas y,
consecuentemente, comprender, en sus distintas dimensiones y planos, sus
implicaciones éticas, políticas, económicas, sociales, culturales y educativas.
Conclusión
El uso apropiado de las IA en la educación superior presenta tanto retos

como oportunidades. A lo largo de este artículo hemos explorado diferen-
tes soluciones para abordar estos desafíos y aprovechar el potencial de las
distintas herramientas que ofrecen las IA en el ámbito educativo.
Hemos reflexionado sobre la importancia de la alfabetización digital
como una estrategia clave para enfrentar los retos y aprovechar las ventajas
de las IA en la educación. La alfabetización digital se vería como una suerte
de “multialfabetización” que permitiría a los estudiantes y docentes utilizar
las IA de manera eficaz y responsable, así como promover el pensamiento
crítico, la colaboración, la creatividad y la comprensión de las implicaciones
éticas y sociales de la tecnología.
Además, hemos explorado soluciones como el currículo por proyectos
de investigación integrados a módulos, la enseñanza mediante equipos y
cuerpos docentes, el desarrollo de nuevas carreras profesionales, el fomen-
to del aprendizaje autogestivo, el desarrollo de habilidades blandas (4-C), la
evaluación automatizada y cualitativa, y la actualización constante de los
planes de estudio.
Estas estrategias buscan adaptar la educación a las necesidades cam-
biantes de la sociedad y del mercado laboral y preparar a los estudiantes
para enfrentar los desafíos que se despliegan en el horizonte. No obstante,
es fundamental destacar que la aplicación exitosa de las IA en la educación
requiere un equilibrio adecuado entre la tecnología y la interacción huma-
na. Aunque las IA pueden proporcionar recursos y herramientas poderosas,
el papel del docente como facilitador del aprendizaje y la relación maestro-
alumno son elementos esenciales que no deben ser sustituidos. La colabo-
ración, la comunicación y el enfoque en el desarrollo integral de los estu-
diantes son aspectos clave para garantizar una educación de calidad en el
contexto de estas tecnologías digitales emergentes.
Para concluir podemos decir que la integración de las IA en la educación
superior tiene el potencial de transformar y mejorar la experiencia educa-
tiva; sin embargo, es fundamental abordar los retos y aprovechar las opor-
tunidades de manera inteligente, ética y práctica. La alfabetización digital,
junto con las estrategias y herramientas analizadas, pueden ser un pilar fun-
damental para garantizar que el uso de IA en la educación sea el apropiado y
contribuya al mejoramiento de la formación universitaria.
Referencias
Altamirano, Sandra G., Alma Lilia Méndez y María Bertha Rojas (2022), “Beneficios
del uso de la rúbrica en la enseñanza-aprendizaje del diseño”, Zincografía, vol. 6,
núm. 11, pp. 228-244. DOI: https://doi.org/10.32870/zcr.v6i11.136
Anacona, J., E. Millán y C. Gómez (2019), “Aplicación de los metaversos y la realidad
virtual en la enseñanza”, Entre Ciencia e Ingeniería, vol. 13, núm. 25, pp. 59- 67.
DOI: https://doi.org/10.31908/19098367.4015
Andión, Mauricio (2020), Universidad nodo: modelo para la formación de comunicado-
res en la era digital, México, UAMX.
Andión, Mauricio (2021), “El sentido de la educación en la era digital”, en Diego Lizara-
zo, Mauricio Andión y Eduardo Andión, Horizontes digitales: rupturas e inte-
rrogaciones en la reconfiguración socio-digital contemporánea, México, Gedisa/
UAMX. pp. 147-170.
Araujo, Dory y José Bermúdez (2009), “Limitaciones de las tecnologías de la informa-
ción y la comunicación en la educación universitaria”, Horizontes Educaciona-
les, vol. 14, núm. 1, pp. 9-24.
Avello, Raidel, Raúl López, Silvia Vázquez y John Granados (2014), “El docente y
la curación de contenidos”, ponencia presentada en el VIII Congreso de In-
vestigación, Innovación y Gestión Educativas, Monterrey, Tecnológico de
Monterrey, campus Monterrey, 26 y 27 de mayo de 2014. DOI: https://doi.
org/10.13140/2.1.5008.7368
Avendaño, Hugo (2023, 24 de abril), “¿Cómo cambiará el rol de los docentes con la
inteligencia artificial?”, El Universal, Suplemento de Educación Superior, en:
https://www.uic.mx/en-los-medios/2023/04/29/como-cambiara-el-rol-de-los-
docentes-con-la-inteligencia-artificial/ (consulta: 23 de julio de 2023).
Bécares, Bárbara (2023), “Harvard es la mejor universidad del mundo. Usará una
IA como ChatGPT para enseñar informática”, MSN, en: https://www.msn.
com/es-es/noticias/tecnologia/harvard-es-la-mejor-universidad-del-mundo-
usar%C3%A1-una-ia-como-chatgpt-para-ense%C3%B1ar-inform%C3%A1tica/
ar-AA1drVAQ (consulta: 23 de julio de 2023).
Bergamaschi Ganapini, Marianna, Francesco Fabiano, Murray Campbell, Lior Ho-
resh, Jon Lenchner, Andrea Loreggia, Nicholas Mattei, Francesca Rossi, Biplav
Srivastava y Kristen Brent Venable (2021), “Thinking Fast and Slow in AI: The
Role of Metacognition” (preprint), Ithaca, Cornell University. DOI: https://doi.
org/10.48550/arXiv.2110.01834
67
Bessen, James (2018), “AI and Jobs: The role of demand”, Working Paper Series, núm.
24235, National Bureau of Economic Research, Cambridge, Massachusetts.
DOI: https://doi.org/10.3386/w 24235
Cabero, Julio, Bárbara Fernández y Verónica Marín (2017), “Dispositivos móviles y
realidad aumentada en el aprendizaje del alumnado universitario”, Revista
Iberoamericana de Educación a Distancia, vol. 20, núm. 2. DOI: https://doi.
org/10.5944/ried.20.2.17245
Capllonch, Marta y Francesc Buscà (2017), “La evaluación formativa como innova-
ción. Experiencias en una facultad de formación del profesorado”, Psychology,
Society, & Education, vol. 4, núm. 1, en: https://www.researchgate.net/publica-
tion/318746633 (consulta: 23 de julio de 2023).
Carpenter, Jeffrey P., Joshua M. Rosenberg, Tonia A. Dousay, Enilda Romero-Hall,
Torrey Trust, Aaron Kessler, Michael Phillips, Scott A. Morrison, Christian
Fischer y Daniel G. Krutka (2020), “What should Teacher Educators Know
about Technology? Perspectives and self-assessments”, Teaching and Teacher
Education, vol. 95. DOI: https://doi.org/10.1016/j.tate.2020.103124
Carrazana, Edisnel (2014), “La inteligencia artificial y su incidencia en el proceso de
búsqueda y recuperación de la información”, Trabajo final, Universidad de La
Habana.
Castrillón, Omar, William Sarache y Santiago Ruiz-Herrera (2020), “Predicción del
rendimiento académico por medio de técnicas de inteligencia artificial”, For-
mación Universitaria, vol. 13, núm. 1, pp. 93-102. DOI: https://doi.org/10.4067/
s0718-50062020000100093
Coronado, René (2002), Mitos y ritos del aprendizaje autogestivo en la educación a dis-
tancia, Guadalajara, UNIVA.
Georgina, David A. y Myrna R. Olson (2008), “Integration of Technology in Higher
Education: A review of faculty self-perceptions”, The Internet and Higher Edu-
cation, vol. 11, núm. 1. DOI: https://doi.org/10.1016/j.iheduc.2007.11.002
Göçen, Ahmet y Fatih Aydemir (2020), “Artificial Intelligence in Education and
Schools”, Research on Education and Media, vol. 12, núm. 1, pp. 13-21. DOI:
https://doi.org/10.2478/rem-2020 - 0003
Gómez, Dulce Angélica, Raúl A. Alvarado, Marlen Martínez y Christian Díaz de
León (2018), “La brecha digital: una revisión conceptual y aportaciones meto-
dológicas para su estudio en México”, Entreciencias: Diálogos en la Sociedad
del Conocimiento, vol. 6, núm. 16, en: https://www.scielo.org.mx/pdf/edsc/
v6n16/2007-7610 -edsc- 6 -16 -47.pdf (consulta: 23 de julio de 2023).
Guerra-Báez, Sandra Patricia (2019), “Una revisión panorámica al entrenamiento de
las habilidades blandas en estudiantes universitarios”, Psicología Escolar e Edu-
cacional, vol. 23. DOI: https://doi.org/10.1590/2175-35392019016464
Juárez Popoca, Diana, Carlos Arturo Torres Gastelú y Luz Edith Herrera Díaz (2017),
“Las posibilidades educativas de la curación de contenidos: una revisión de
literatura”, Apertura, vol. 9, núm. 2, pp. 116 -131. DOI: https://doi.org/10.32870/
ap.v 9n2.1046
Keiper, Margaret C. (2023), “ChatGPT in Practice: Increasing event planning efficiency
through artificial intelligence”, Journal of Hospitality, Leisure, Sport & Tourism
Education, vol. 33. DOI: https://doi.org/10.1016/j.jhlste.2023.100454
Krassadaki, Evangelia y Nicolaos Matsatsinis (2023), “Career Options and Necessary
Technical Skills in AI”, en Elias Carayannis y Evangelos Grigoroudis (eds.),
Handbook of Research on Artificial Intelligence, Innovation and Entrepreneur-
ship, Elgar Online. DOI: https://doi.org/10.4337/9781839106750.00035
L’Ecuyer, Catherine (2015), Educar en la realidad, Barcelona, Plataforma Editorial.
Malan, David (2023), “CS50’s Introduction to Computer Science”, This is CS50, Harvard
Education, en: https://cs50.harvard.edu/x/2023/ (consulta: 23 de julio de 2023).
Mosco, Alejandra (2016), “Sobre la curaduría y su papel en la divulgación”, Intervención,
vol. 7, núm. 13, pp. 74-79, en: http://www.scielo.org.mx/scielo.php?script=sci_
arttext&pid=S2007-249X2016000100074&lng=es&tlng=es (consulta: 18 de julio
de 2023).
OECD (2018), “Future of Education and Skills 2030: Curriculum analysis”, en: https://
www.oecd.org/education/2030 -project/curriculum-analysis/ (consulta: 23 de
julio de 2023).
OECD (2021), “Artificial Intelligence and Employment. New evidence from occupations
most exposed to AI”, en: https://www.oecd.org/future-of-work/reports-and-
data/AI-Employment-brief-2021.pdf (consulta: 23 de julio de 2023).
Ponce, María Enriqueta (2016), “La autogestión para el aprendizaje en estudiantes de
ambientes mediados por tecnología”, Diálogos sobre Educación. Temas Actua-
les en Investigación Educativa, vol. 7, núm. 12, pp. 1-23.
Romero González, Jenny Andrea, Irina Nicole Granados, Sandra Lucía López Clavijo
y Glenny María González Ruiz (2021), “Habilidades blandas en el contexto uni-
versitario y laboral: revisión documental”, Inclusión y Desarrollo, vol. 8, núm. 2,
pp. 113-127. DOI: https://doi.org/10.26620/uniminuto.inclusion.8.2.2021.2749
Rüütmann, Tiia (2019), “Development of Critical Thinking and Reflection”, en Michael
E. Auer y Thrasyvoulos Tsiatsos (eds.), The Challenges of the Digital Transfor-
mation in Education, Bangkok (Tailandia), International Conference on Inte-
ractive Collaborative Learning, 25 al 28 de septiembre de 2019, pp. 895-906. DOI:
https://doi.org/10.1007/978-3- 030 -11935-5_85
Sabzalieva, Emma y Arianna Valentini (2023), ChatGPT e inteligencia artificial en la
educación superior: guía de inicio rápido, Caracas, UNESCO-IESALC .
Sailer, Michael, Florian Schultz-Pernice y Frank Fischer (2021), “Contextual Facili-
tators for Learning Activities Involving Technology in Higher Education:
The Cb-model”, Computers in Human Behavior, vol. 121. DOI: https://doi.
org/10.1016/j.chb.2021.106794
Sánchez, Boris (2023), “La inteligencia artificial y la educación: de herramienta a co-
creación”, Cali, Eduteka-ICESI.
Sánchez, Víctor, Joaquín Navarro y Leobardo A. Rosas (2021), “Aplicaciones de la in-
teligencia artificial en educación: un panorama para docentes y estudiantes”,
ponencia presentada en el XVI Congreso Nacional de Investigación Educativa,
México, COMIE .
Schwab, Klaus (2016), La cuarta revolución industrial, México, Debate.
Sekeroglu, Boran, Kamil Dimililer y Kubra Tuncal (2019), “La inteligencia artificial
en educación: aplicación en la evaluación del desempeño del alumno”, Dilemas
Contemporáneos: Educación, Política y Valores, año 7, núm. 1. DOI: https://doi.
org/10.46377/dilemas.v 28i1.1594
Shiohira, Kelly (2021), Understanding the Impact of Artificial Intelligence on Skills De-
velopment, Bonn, UNESCO-UNEVOC .
Somasundaram, M., P. Latha y S.A. Saravana Pandian (2020), “Curriculum Design
Using Artificial Intelligence (AI) Back Propagation Method”, Procedia Compu-
ter Science, vol. 172. DOI: https://doi.org/10.1016/j.procs.2020.05.020
Tammaro, Anna Maria, Krystyna K. Matusiak, Frank A. Sposito, Ana Pervan y Vittore
Casarosa (2017), “Understanding Roles and Responsibilities of Data Curators:
An international perspective”, Libellarium: časopis Za istraživanja U području
Informacijskih I Srodnih Znanosti, vol. 9, núm. 2, pp. 39-47. DOI: https://doi.
org/10.15291/libellarium.v 9i2.286
UNESCO (2018), “Inteligencia artificial: promesas y amenazas”, Correo de la UNESCO,
núm. 3, en: https://unesdoc.unesco.org/ark:/48223/pf0000265211_spa (consulta:
Urretavizcaya L., Maite (2001), “Sistemas inteligentes en el ámbito de la educación.
Inteligencia artificial”, Revista Iberoamericana de Inteligencia Artificial, vol. 5,
núm. 12, pp. 5-12.
Young, Tim (2017, 17 de noviembre), “The Japan AI Experience and why Japan is the
Fastest Growing Adopter of AI”, DataRobot, en: https://www.datarobot.com/
blog/datarobotjapan-ai-experience-why-japan-is-fastest-growing-adopter-of-
ai (consulta: 23 de julio de 2023).
Yuniesky, Coca Bergolla y Miguel Llivina Lavigne (2021), Desarrollo y retos de la inteli-
gencia artificial, La Habana, Educación Cubana/UNESCO.
Zhang, Aimao (2012), “Peer Assessment of Soft Skills and Hard Skills”, Journal of In-
formation Technology Education: Research, vol. 11, pp. 155-168, en: https://www.
informingscience.org/Publications/1634 (consulta: 23 de julio de 2023).
Zhang, Daniel Saurabh Mishra, Erik Brynjolfsson, John Etchemendy, Deep Ganguli,
Barbara Grosz, Terah Lyons, James Manyika, Juan Carlos Niebles, Michael Se-
llitto, Yoav Shoham, Jack Clark y Raymond Perrault (2021, marzo), The AI Index
2021 Annual Report, Stanford, CA, Stanford University-Human-Centered AI
Institute-AI Index Steering Committee.
69
La inteligencia artificial generativa
y la educación universitaria
¿Salió el genio de la lámpara?
Melchor Sánchez Mendiola*
Erik Carbajal Degante**
La inteligencia artificial generativa (IAG) ha adquiri- Palabras clave

do gran relevancia en todo el mundo. El objetivo de
este escrito es proveer elementos para la discusión Inteligencia artificial
académica sobre IAG y su potencial educativo, así Informática
como analizar críticamente sus ventajas y desven- Informática educativa
tajas. Las implicaciones para su uso educativo están
empezando a ser identificadas. Ninguna innovación Tecnologías de la
había tenido una difusión tan rápida como estas he- información y la
comunicación
rramientas, cuyo principal ejemplo es ChatGPT. Esto
ha generado una brecha entre las expectativas de la Software educativo
comunidad educativa y la evaluación formal de su
impacto real en actividades de enseñanza y apren-
dizaje, en virtud de que las investigaciones formales
sobre su uso apenas comienzan. Se concluye que
estas herramientas tienen un gran potencial educa-
tivo, así como limitaciones y posibles efectos nega-
tivos que deben ser analizados con rigor académico
por los diversos actores que participan en el acto
educativo, para que docentes, estudiantes e institu-
ciones educativas las aprovechen adecuadamente.
* Profesor de la División de Estudios de Posgrado de la Facultad de Medicina de la Uni-
versidad Nacional Autónoma de México (UNAM) (México). Doctor en Ciencias de la
Educación. Líneas de investigación: evaluación educativa; informática biomédica; in-
novación educativa. Publicación reciente: (2023, en coautoría con A. Manzano-Patiño,
M. García-Minjares, E. Buzo Casanova, C. Herrera Penilla, K. Goytia-Rodríguez y A.
Martínez-González), “Large-Scale Diagnostic Assessment in First-year University
Students: Pre- and transpandemic comparison”, Educational Assessment, Evaluation
and Accountability. DOI: https://doi.org/10.1007/s11092-023-09410-9 CE: melchorsm@
unam.mx. ORCID: https://orcid.org/0000-0002-9664-3208
** Investigador en la Coordinación de Universidad Abierta, Innovación Educativa y Educa-
ción a Distancia (CUAIEED) de la Universidad Nacional Autónoma de México (UNAM)
(México). Doctor en Ciencias e Ingeniería de la Computación. Líneas de investigación:
análisis de señales; inteligencia artificial; procesamiento de lenguaje natural. Publicación
reciente: (2023, en coautoría con M. Hernández Gutiérrez y M. Sánchez-Mendiola), “Ha-
cia revisiones de la literatura más eficientes potenciadas por inteligencia artificial”, Inves-
tigación en Educación Médica, vol. 12, núm. 47, pp. 111-119. DOI: https://doi.org/10.22201/
fm.20075057e.2023.47.23526. CE: [email protected]. ORCID: https://or-
cid.org/0000-0002-1532-9322

Con mucho, el mayor peligro de la inteligencia artificial es que las
personas concluyen demasiado pronto que la entienden
Eliezer Yudkowsky
Introducción
Con el advenimiento de las herramientas de inteligencia artificial generati-

va (IAG), el año 2023 se ha consolidado como el año de la inteligencia artifi-
cial (IA). El ejemplo más famoso es ChatGPT (Maslej et al., 2023; Pelletier et
al., 2022). En una especie de “pánico moral” la comunidad académica global
ha respondido a este fenómeno de forma heterogénea y en gran parte reac-
tiva, con reacciones que van desde la incredulidad, el temor y un profundo
rechazo, hasta la sensación de que vivimos el cambio más disruptivo que
ha ocurrido en el último siglo (García-Peñalvo, 2023; Kasneci et al., 2023).
La construcción de la realidad de la sociedad moderna es compleja, ya que
se alimenta de diferentes fuentes —muchas de ellas poco confiables— y a
través de diversas lentes perceptuales, lo que hace virtualmente imposible
tener un panorama completo y objetivo de los efectos de dicho cambio. El
objetivo de este escrito es proveer una síntesis de elementos para alimentar
la discusión académica sobre IAG y su potencial educativo, así como ana-
lizar críticamente las ventajas y desventajas del uso de estas herramientas.
La IA no es nueva; tiene más de medio siglo de estar presente en los esce-
narios de investigación y desarrollo tecnológico, con altibajos e “inviernos
de IA” en los que periódicamente disminuyen la visibilidad, el financia-
miento y el desarrollo (Jiang et al., 2022; Maslej et al., 2023). Durante estas
décadas, generaciones de académicos han estado expuestos a todo tipo de
predicciones, algunas fatalistas y otras excesivamente optimistas, lo que ha
resultado en un “sano escepticismo” cuando aparecen noticias espectacula-
res sobre el tema en medios de comunicación. Lo que ocurre actualmente
rebasa todas las experiencias anteriores, por lo que amerita tomarse en serio
para aprovechar sus virtudes y manejar sus potenciales efectos adversos.
Para ello es menester familiarizarse con el lenguaje que se utiliza en este
campo tecnológico. Existen varias definiciones de IA, por ejemplo: “la habi-
lidad de un sistema para interpretar correctamente datos externos, aprender
de dichos datos, y usar ese aprendizaje para lograr metas específicas y tareas
a través de adaptación flexible” (Kaplan y Haenlein, 2019: 15); “cualquier téc-
nica que permita a las computadoras imitar el comportamiento humano”
(Jiang et al., 2022: 5); hasta aproximaciones sencillas como “automatización
basada en asociaciones” (U.S. Department of Education-Office of Educatio-
nal Technology, 2023: 1). La esencia del concepto es que las computadoras
realicen tareas que asemejen la actividad de pensar de forma parecida a la
humana, con habilidades para aprender y tomar decisiones. El campo de
la IA se ha ampliado con una explosión de publicaciones y la proliferación
de asociaciones gremiales y congresos, así como con la expansión transver-
sal en múltiples áreas del conocimiento, lo que ha dado lugar a un bosque
conceptual y terminológico en el que es difícil ver el bosque por los árboles
M. Sánchez y E. Carbajal | La inteligencia artificial generativa y la educación universitaria
71
(Regona et al., 2022; U.S. Department of Education-Office of Educational
Technology, 2023). La expresión IA se ha convertido en un término “para-
guas” en el que caben muchas cosas, por ejemplo: procesamiento natural
del lenguaje, aprendizaje de máquinas, robótica y sistemas expertos, lo que
hace difícil que una persona pueda comprender todo lo que abarca. Por ello
es importante aproximarse a glosarios de IA para educadores (Ruiz y Fuso,
2023).
En el campo de la IA existe un área llamada machine learning (aprendi-
zaje de máquinas o automático, AM) en el que las computadoras son capa-
ces de aprender sin haber sido programadas de manera explícita para ello a
través del acceso a grandes cantidades de datos. En el AM hay otro concepto
fundamental, deep learning (aprendizaje profundo, AP), el cual, en el con-
texto de las ciencias de la computación, tiene un significado técnico diferen-
te al usado en pedagogía, pues se refiere al uso de modelos de aprendizaje
basados en redes neuronales para realizar tareas como reconocimiento de
palabras o de imágenes (Maslej et al., 2023).
Otro concepto pertinente es inteligencia artificial generativa (IAG), rama
de la inteligencia artificial (IA) que se refiere a la generación de contenido
original (texto, imágenes, video, sonido) a partir de datos que ya existen y en
respuesta a comandos o prompts (Lim et al., 2023). Estos modelos aprenden
patrones y estructuras de los datos que se les proporcionan y crean contenido
nuevo similar a los datos de entrenamiento. La IAG puede ser unimodal, cuan-
do tiene un solo tipo de entrada (por ejemplo, texto), o multimodal, que puede
recibir varias entradas (como imágenes y texto). En los últimos años ocurrie-
ron avances espectaculares en estas áreas del conocimiento con la aparición
de “modelos de lenguaje masivos” (LLM, por sus siglas en inglés: large language
models), modelos de gran tamaño que a través de redes neuronales son en-
trenados para aprender y reproducir la estructura del lenguaje. Con estos
modelos es posible realizar procesamiento de lenguaje natural, traducción y
generación automática de textos, lo que ha dado lugar a diferentes generacio-
nes de lo que se llama “GPT” (Rudolph et al., 2023; Sabzalieva y Valentini, 2023):
• Generativo: predice la siguiente palabra.

• Pre-entrenado: entrenado previamente con grandes volúmenes de
datos.
• Transformador: codificador-decodificador basado en redes neurales.
El ChatGPT se basa en un modelo con sintonía fina para conversaciones;

fue creado por la empresa OpenAI, en San Francisco (OpenAI, 2023a). Chat-
GPT 3.5 fue liberado al público el 30 de noviembre de 2022, y por su sencilla
interfaz, rapidez y calidad de respuestas comenzó a ser usado por una gran
cantidad de personas. En cinco días alcanzó un millón de usuarios, y en
dos meses llegó a cien millones, convirtiéndose en la innovación tecnológi-
ca más rápidamente adoptada en la historia de la humanidad, al superar a
Netflix, TikTok, etc. (Rudolph et al., 2023; Chow, 2023). Los altos niveles de
antropomorfismo que despliegan las herramientas de IAG actuales, como
la versión 4.0 de ChatGPT, han contribuido a su éxito (Choudhury y Sham-
szare, 2023). En 2023 el ChatGPT ha dominado la conversación en medios
masivos de comunicación, redes sociales y círculos académicos y, a la vez,
ha generado sorpresa, inquietud, miedo y esperanza (Bozkurt et al., 2023).
¿Cómo funciona la inteligencia

artificial generativa?
La portabilidad y versatilidad de las herramientas de IA han capturado la

atención en todo el mundo; es posible utilizar una aplicación de IA con múl-
tiples fines, como entretenimiento, productividad o aprendizaje. Por un
lado, ciertas aplicaciones pueden considerarse maleables al ser empleadas
en tareas de naturaleza rutinaria como búsqueda, clasificación y organiza-
ción de información; a este enfoque se le conoce con el nombre de IA discri-
minativa, por su capacidad de análisis sobre datos existentes. Sin embargo,
es la capacidad generativa de algunos modelos para crear elementos multi-
media artificiales lo que ha convencido a muchos usuarios de experimen-
tarlos en su vida y llevarlos a sus áreas de trabajo. En este sentido, un grupo
cada vez mayor de usuarios se enfrenta a los desafíos de la IAG en el ámbito
laboral, social y educativo.
Normalmente, un sistema de IA aprende a través de un planteamiento
asociado a la estructura de los datos (Oladipupo, 2010). Por ejemplo, el lla-
mado aprendizaje supervisado representa un paradigma arduo en el que los
datos son masivos y deben ser etiquetados manualmente. Con esto, el siste-
ma es capaz de detectar automáticamente rasgos característicos de la infor-
mación etiquetada, por lo que se considera que la supervisión humana es un
factor en su desarrollo. Por otro lado, el aprendizaje no supervisado efectúa
sus procesos de entrenamiento a través de datos sin etiqueta, lo que ocasio-
na que su rendimiento sea subjetivo debido a la falta de una representación
explícita proporcionada por el humano. La alternativa del aprendizaje por
refuerzo provee un panorama en el que el sistema aprende a medida que
interactúa con su entorno; su funcionamiento se asemeja a los mecanismos
de prueba y error. Además de estos tipos de aprendizaje, se ha recurrido a
enfoques híbridos para abordar tareas complejas que aprovechan las forta-
lezas individuales y generan una metodología más integral.
La disyuntiva de elegir entre los diversos mecanismos de aprendizaje
de máquina genera desafíos importantes relacionados con la naturaleza del
problema. Los recursos disponibles de hardware dan la pauta para que el
rendimiento y la eficiencia impacten significativamente en el despliegue y
la escalabilidad de los modelos, además de la capacidad de almacenamiento
y tratamiento de la información. Esto quiere decir que un mayor poder de
cómputo amplía las posibilidades de procesamiento hasta el punto de sen-
tar las bases de una teoría autónoma de aprendizaje de máquina que nos
guíe hacia un nuevo enfoque de autosupervisión. Se estima que tal avance
puede mejorar la capacidad de generalización y adaptación de las máqui-
nas, al apoyarse en las teorías del aprendizaje humano (Gibson et al., 2023).
73
En el ámbito computacional, el concepto de aprendizaje autosupervi-
sado es la manera en que un sistema se autoenseña sobre cómo funciona el
mundo a través de ejemplos prácticos y aplicados. La idea en la que dos re-
des neuronales se comunican y compiten entre sí por mejorar sus capacida-
des sentó las bases del funcionamiento de los mecanismos de autosupervi-
sión (Goodfellow et al., 2014). Este planteamiento generó un hito importante
en la IAG a través del concepto de redes neuronales antagónicas (conocidas
como GAN, por sus siglas en inglés: generative adversarial networks). Bási-
camente, mientras una red neuronal, llamada generador, se enfoca en pro-
ducir contenido de alta calidad que engañaría al ser humano creyendo que
es real, la otra red, llamada discriminador, se entrena para distinguir si son
elementos generados artificialmente. La competencia interna en los proce-
sos generadores y discriminadores de las redes antagónicas imita la prueba
de Turing llevada a cabo en un sistema automático cerrado, hasta llegar a un
estado estacionario en el que el discriminador es engañado y, finalmente,
cede, con lo que se produce contenido con propiedades realistas, pero gene-
rado artificialmente.
Cuando se habla de IAG se espera establecer una clasificación de acuerdo
con el tipo de información que produce y la tarea asignada a cada técnica.
Además de lo que se ha mencionado previamente sobre las GAN, su capa-
cidad de generación se enfoca en aprender de manera precisa cómo lucen
los datos con el fin de generar datos nuevos aparentemente inexistentes. El
término “aparente” implica, por un lado, la certeza de que la información
generada no se encuentra directamente asociada a los procesos de entrena-
miento internos del modelo, pero al mismo tiempo mantiene la calidad y
coherencia de los datos utilizados. Esto permite evitar el denominado sesgo
algorítmico (Danks y London, 2017) y proporcionar contenido novedoso
que podemos asociar a un dato existente en nuestra realidad.
El principio de funcionamiento de la IAG es también adoptado por los
autoencoders variacionales (VAE, por sus siglas en inglés: variational auto-
encoders) que, al igual que las GAN, orientan su funcionamiento mediante
dos etapas: codificación y decodificación (Kingma y Welling, 2019). Tanto
los VAE como las GAN se destacan por su gran efectividad al generar con-
tenido multimedia de tipo imagen, video, audio y voz, por lo que también
han sido utilizadas con fines que atentan contra la privacidad y falsifican
información (Korshunov y Marcel, 2018). Por otro lado, en la disciplina del
procesamiento de lenguaje natural, los LLM (Zhao et al., 2023) han surgido
como otra herramienta que cumple con los fundamentos de operación de
la IAG. Su capacidad para generar texto les brinda amplia utilidad en una
gama variada de tareas relacionadas con redacción, corrección, traducción
e incluso generación de código de programación. Los atributos de los LLM
han mostrado indicios de una comprensión lectora de máquina asociada
a la habilidad de procesar información textual similar a como lo haría un
ser humano (Sejnowski, 2023), con tiempos de procesado menores, pero que
incitan a la operabilidad en un marco ambiguo de información fidedigna,
lo que causa las llamadas alucinaciones (Ji et al., 2023).
Implicaciones educativas de
la IAG en educación universitaria
La irrupción del ChatGPT y de herramientas similares de IAG en el mun-

do educativo ha tenido respuestas interesantes, desde el rechazo hasta la
adopción irreflexiva. El hecho es que la disponibilidad global de estas he-
rramientas de uso sencillo, gratuitas o de bajo costo, genera oportunidades
para actividades de aprendizaje, enseñanza y evaluación. La comunidad
de profesores, líderes educativos y estudiantes no debe quedarse pasmada
ante un evento de esta magnitud, que puede convertirse en una oportuni-
dad perdida. Es indispensable reflexionar sobre el tema y aprender a utilizar
estas herramientas con eficacia, profesionalismo y ética, así como dialogar
con pares académicos, estudiantes y autoridades sobre las acciones a tomar
a corto y largo plazo, para su adecuada implementación en beneficio del es-
tudiantado (Baidoo-Anu y Ansah, 2023; Bozkurt et al, 2023).
Desde la perspectiva de las y los docentes, existe gran cantidad de recur-
sos para el uso pedagógicamente correcto de ChatGPT y herramientas de
IAG, con colecciones disponibles en la red de materiales de acceso abierto
orientados a la práctica educativa (Kasneci et al., 2023; Kukulska-Hulme et
al., 2023; Mollick y Mollick, 2023; Nerantzi et al., 2023; Herft, 2023). Es impor-
tante hacer notar que el profesorado está saturado en varias dimensiones:
académica (mantenerse al día, seguir los planes y programas de estudio,
evaluar el aprendizaje del estudiantado), administrativa (registro de asis-
tencia y desempeño del estudiantado, elaboración de reportes), así como
personal y familiar (en la época post-pandemia por COVID-19 se continúa
viviendo una situación precaria en lo económico y la salud, lo que impacta a
la esfera inmediata del docente). Todo ello ha incrementado la incidencia de
burnout (desgaste profesional) y alteraciones en las esferas mental y socioa-
fectiva (Gómez-Domínguez et al., 2022). Por lo anterior es importante iden-
tificar las posibilidades que brindan las herramientas de IAG para aliviar
esta sobrecarga de tareas y utilizarlas como una ayuda que permita liberar
tiempo para dedicarlo a la faceta humana de la docencia.
Algunos ejemplos de uso de IAG por el profesorado que se han comenza-
do a aplicar son los siguientes: analizar los escritos y las respuestas de los es-
tudiantes a evaluaciones formativas y sumativas, como ensayos, preguntas
de selección múltiple o de respuesta construida; crear exámenes formativos
y sumativos de complejidad variable, dirigidos al nivel cognitivo y de avance
curricular de los estudiantes; proporcionar retroalimentación personaliza-
da, ya que una de las principales quejas de los estudiantes es que no reciben
suficiente retroalimentación en calidad y cantidad; planear la estructura di-
dáctica de las clases mediante el diseño de actividades que estén alineadas
con el currículo; crear actividades de aprendizaje problematizadoras; asistir
con mayor eficacia a los estudiantes con problemas de aprendizaje; anali-
zar trabajos científicos y cualquier tipo de publicaciones para desarrollar
habilidades de pensamiento crítico; generar propuestas de proyectos de in-
vestigación con niveles progresivos de complejidad; diseñar actividades de
75
desarrollo profesional personal a través de la evaluación de necesidades, in-
dividual o colectiva; diseñar instrumentos que permitan ahorrar tiempo en
tareas repetitivas, como la elaboración de esquemas de cursos, sesiones de
clase y asignación de tareas; utilizarlas como medios para que los estudian-
tes realicen actividades de análisis y aprendizaje; utilizar IAG como ayudan-
te del profesor; desarrollar funciones de tutoría personalizada; implementar
roles de ayuda para proyectos colaborativos; elaborar espacios exploratorios
interdisciplinarios, entre otros descritos en la literatura (Bozkurt et al., 2023;
Farazouli et al., 2023; Kasneci et al., 2023; Kukulska-Hulme et al., 2023; Ne-
rantzi et al., 2023; Herft, 2023).
Todas estas acciones pueden tener efectos no deseados en el proceso edu-
cativo, por lo que se recomienda integrarlas en las actividades de enseñanza
con planeación didáctica y pedagógica sólida, fundamentadas, en lo posible,
en evidencia publicada o en consejos de docentes que hayan experimentado
con las herramientas, para así potenciar sus efectos positivos y minimizar
los negativos. Ethan Mollick propuso cinco estrategias efectivas, basadas en
evidencia, para el uso de IAG en el aula, que incluyen el uso adecuado de los
comandos o prompts (se requiere desarrollar destreza para elaborar las pe-
ticiones, preguntas o retos que se plantean a las máquinas) y descripciones
detalladas de su aplicación en la práctica: 1) proveer ejemplos múltiples con
explicaciones; 2) descubrir y atender las ideas equivocadas y preconcebidas
de los estudiantes; 3) evaluaciones frecuentes de bajo impacto; 4) evaluación
para el aprendizaje; 5) práctica distribuida (Mollick y Mollick, 2023).
En cuanto a las oportunidades para el uso de estas herramientas por las
y los estudiantes, pueden considerarse las siguientes actividades: desarrollar
habilidades de escritura y lectura; utilizar herramientas como “Copiloto”
o compañero de estudio; generar preguntas, análisis y solución de proble-
mas; aprender idiomas e interpretar lenguajes y culturas; generar hipótesis y
problemas; comprender problemas y diseñar estrategias de solución; autoe-
valuar y evaluar por pares; organizar y sintetizar material de todo tipo; ana-
lizar escritos críticamente; desarrollar habilidades de investigación; definir
estrategias para aprendizaje colaborativo, en línea o híbrido; actividades de
empoderamiento de estudiantes con capacidades diferentes; actividades
para un aprendizaje personalizado, entre otras (Bozkurt et al., 2023; Kasneci
et al., 2023; Kukulska-Hulme et al., 2023; Nerantzi et al., 2023). No se trata de
preguntarse si los estudiantes utilizarán o no estas herramientas tecnológi-
cas para sus actividades personales y académicas, sino de cómo ayudarlos
y orientarlos a emplearlas de forma profesional, ética y abierta. Prohibir su
uso y partir de la premisa de que sólo las utilizarán para hacer trampa o
buscar “atajos” de aprendizaje no funcionará, como se ha demostrado con
la adopción de innovaciones tecnológicas previas.
Aplicaciones de la IAG en investigación educativa
Es importante destacar que la aplicación y el impulso de la IAG en inves-

tigación educativa debe ser guiada por principios éticos, metodologías de
investigación sólidas y consideraciones pedagógicas, con el objetivo claro
y congruente de optimizar las tareas realizadas en investigación. El propó-
sito de conocer detalladamente el panorama actual de una situación o caso
de estudio, exponer ciertos elementos de interés hallados en la literatura
(planteados por el estado del arte) y publicar las nuevas ideas que arroja un
proceso sistemático y riguroso de investigación permite adentrarse en la
problemática vinculada y generar propuestas fundamentadas a raíz de los
desafíos analizados. Desde la concepción e inmersión del problema hasta la
difusión del conocimiento, la IAG muestra beneficios considerables al abrir
el panorama de las y los investigadores con lluvias de ideas, postulación de
preguntas de investigación, esclarecimiento de hipótesis, propuestas de di-
seño, generación de datos artificiales, ejecución de estudios, codificación de
datos, formulación de metaanálisis, predecir comportamientos, identificar
elementos relevantes e, incluso, brindar soporte en la correcta redacción de
escritos para diversos idiomas (Sabzalieva y Valentini, 2023). Está disponible
un reporte con más de 350 aplicaciones de IAG con taxonomía estructurada
y descripciones concisas (Gozalo-Brizuela y Garrido-Merchán, 2023).
La comunidad internacional de investigadores está atenta al uso de Chat-
GPT en el proceso de escribir y publicar, con diversas opiniones y sugerencias
para el uso adecuado de las herramientas. El potencial de su uso es amplio:
creación de organizadores, esquemas y diagramas; incrementar la velocidad
de escribir borradores y manuscritos; identificar inconsistencias en los es-
tudios y los resultados; generar hipótesis alternativas y plausibles; analizar e
interpretar trabajos publicados; mejorar la escritura en otros idiomas; pro-
porcionar ejemplos; dar retroalimentación al autor sobre sus escritos; tradu-
cir documentos, entre otros (Huang y Tan, 2023). Es fundamental estar alerta
a las limitaciones de este tipo de herramientas, como los sesgos algorítmicos
que pueden generar información tendenciosa, así como las alucinaciones o
generación de datos inventados y falsos. Las principales organizaciones de
publicación académica advierten sobre el uso inadecuado de ChatGPT como
coautor de artículos científicos, como ha comenzado a ocurrir en algunas
revistas científicas, y la aparición de “fábricas de artículos” con IA (Castella-
nos-Gomez, 2023; Committee on Publication Ethics, 2023).
Es evidente que el máximo aprovechamiento de la IAG se logra cuando
se establece una relación sinérgica con las y los investigadores que ejecutan
las tareas de dirección y supervisión. El trabajo en conjunto mejora la pro-
ductividad, ya que libera el tiempo invertido en tareas repetitivas realizadas
en la metodología tradicional sistemática de búsqueda y revisión de la in-
formación (Carbajal-Degante et al., 2023), además de que potencia la creati-
vidad y exploración de nuevas perspectivas que complementen su estudio
para generar trabajos en la comunidad científica.
El “lado oscuro” de la IAG
Los retos asociados con la IAG son significativos y evolucionan rápidamente

al ser una disciplina reciente. Una amplia gama de factores amenaza el uso
77
correcto y responsable de esta tecnología, los cuales se producen a raíz de des-
información o del uso malintencionado. Muchos de los riesgos y consecuen-
cias asociadas se pueden describir como procesos paradójicos debido a las con-
tradicciones y desafíos inherentes desde su concepción hasta su realización.
Se sabe que el éxito de los sistemas basados en IA recae íntegramente
en la abundancia de los datos. La representatividad y la organización de los
mismos influye directamente en la capacidad de ejecutar determinada ta-
rea, sin embargo, los sistemas con tendencias generadoras no están diseña-
dos ni obligados (hasta el momento) a cumplir con los lineamientos genera-
les de protección de datos u otras leyes de derechos de autor. Esta libertad de
procesamiento permite que los sistemas de IAG demuestren un desempeño
asombroso al producir material innovador, pero con riesgos relacionados
con el uso contextual de la información, ya que las instrucciones explícitas
de salvaguardar la dignidad humana no están directamente establecidas ni
se tiene claridad de cómo incorporarlas. De ahí las siguientes paradojas:
Paradoja: generalización vs. sesgo. Un problema que ha aquejado desde

sus inicios a la IA es la correcta comunión entre sesgo y varianza (del in-
glés trade-off bias-variance) (Neal et al., 2019). La idea es evitar una tenden-
cia simplista donde la información no se encuentre ajustada a los datos de
entrenamiento y que pueda generalizar de manera efectiva a nuevos datos.
El problema del sesgo va más allá de producir información inoperante, ya
que incurre en actos discriminatorios por ser susceptible de replicar incluso
los sesgos humanos. Asegurarse de que los datos utilizados son íntegros y
reflejan la diversidad del mundo propicia la generalización de un compor-
tamiento adecuado, pero ¿hasta qué nivel una máquina puede ser íntegra si
no conoce todas las vertientes de la naturaleza humana?
Paradoja: transparencia vs. privacidad. Se espera que un sistema inteligente

cumpla con el principio ético de promover el acceso libre a la información
y a las funcionalidades del sistema sin restricciones, a la vez que preserva la
privacidad de los usuarios. Esta paradoja radica en encontrar un equilibrio
entre el acceso a la información y la salvaguarda de los datos a través de prác-
ticas de anonimización y el establecimiento de protocolos de seguridad. ¿Un
sistema restringido por ciertas reglas de privacidad suscita la transparencia?
Paradoja: explicabilidad vs. complejidad. Uno de los mayores retos es que los
humanos no entendemos todo lo que supuestamente están aprendiendo las
plataformas, ni se está seguro de lo que deberían aprender. Se han creado
enfoques de aprendizaje que, en su mayoría, extraen inferencias a partir de
los datos mediante cierta lógica proporcionada por el razonamiento huma-
no, sin embargo, hay estudios que demuestran que en el espacio latente de
características (espacio donde se generan los elementos distinguibles dentro
de las redes neuronales), existe una lógica alternativa que no podemos en-
tender del todo (Linardatos et al., 2020). Entonces, ¿un sistema que no obe-
dezca el pensamiento humano significa que no piensa? En este sentido, la
explicabilidad de los sistemas de IA (conocida como XAI) es fundamental
para comprender las razones detrás de las decisiones tomadas por las má-
quinas, así como para evaluar la coherencia de sus capacidades autónomas.
El objetivo siempre ha sido el mismo: solicitar un mayor apoyo de las má-
quinas en las áreas en las que el humano lo necesite. Esto implica desarro-
llar arquitecturas cada vez más robustas, precisas y complejas con el riesgo
inherente de caer en dependencia sin haber alcanzado una interpretación
clara de su funcionamiento.
El discurso actual con respecto a la IAG y las paradojas que emergen de

su estudio incita a plantear dos puntos de vista en torno al ámbito educativo:
uno que trae consigo disrupción del sistema educativo, y otro que es un es-
cenario de oportunidad para mejorar la calidad y que coexiste como recurso
transformador (Lim et al., 2023). Es crucial instruirse sobre los riesgos antes
mencionados de manera proactiva con el fin de proponer las medidas de segu-
ridad correspondientes y las políticas adecuadas. Se requiere fomentar el uso
responsable en una era que impulsa la ciencia abierta y promueve la enseñanza
de los valores éticos a las máquinas, sin tratar de obstaculizar su desempeño.
Recomendaciones para el uso de la IAG en educación
El campo de la IAG se está expandiendo de manera rápida, dinámica y com-

pleja, por lo que es importante tratar de mantenerse al día en el tema e in-
corporar de forma intencional y estratégica su implementación en la educa-
ción y evaluación. Los diversos actores del acto educativo que enfrentan los
retos de la IAG en enseñanza y aprendizaje interactúan de forma compleja y
multidimensional, por lo que se requiere una aproximación adecuada, con
cimientos teórico-conceptuales, que se acompañe de trabajos de investiga-
ción educativa que informen del proceso.
De la revisión de la literatura sobre el tema hasta julio de 2023, se desprende
una gran cantidad de recomendaciones para docentes, estudiantes, institucio-
nes educativas y entidades gubernamentales sobre el uso de la IAG en enseñan-
za, aprendizaje y evaluación, de las que aquí enfatizamos las siguientes (Bai-
doo-Anu y Ansah, 2023; Bozkurt et al., 2023; Chiu et al., 2023; Giannini, 2023;
Kasneci et al., 2023; Mhlanga, 2023; Nguyen et al., 2023; Ouyang et al., 2022; Pe-
lletier et al., 2022; Salas-Pilco y Yang, 2022; UNESCO, 2023a; UNESCO, 2023b; U.S.
Department of Education-Office of Educational Technology, 2023):
• Priorizar en todo momento los aspectos educativos fundamentales

(bases teóricas y marcos conceptuales educativos) para que la tecno-
logía sea un auxiliar y complemento que no remplace los aspectos
pedagógicos y didácticos básicos.
• Desarrollar una competencia mínima en IA a través de actividades
de formación docente, difusión y divulgación del tema, acompaña-
das de proyectos de definición de las habilidades de IA necesarias en
la era moderna (Long y Magerko, 2020).
79
• Planear, desarrollar, implementar y evaluar actividades de formación
docente con las principales herramientas de IAG, poniendo énfasis en
aquéllas que son de acceso abierto o de bajo costo.
• Reconocer los potenciales y limitaciones de estas herramientas y dise-
ñar estrategias preventivas que mitiguen su uso inapropiado y poco éti-
co, así como identificar los retos todavía no resueltos, como las llamadas
“alucinaciones” y resultados falsos o inventados (Rudolph et al, 2023).
• Elaborar e implementar políticas departamentales, institucionales,
nacionales e internacionales sobre su uso en educación y en evaluación.
• Desarrollar investigación formal con metodología rigurosa sobre su
uso y desarrollo, así como hacer del conocimiento de la comunidad
internacional los resultados con oportunidad, de preferencia en for-
matos de acceso abierto o bajo costo.
• Incluir, en los planes y programas de estudio formales, competencias,
habilidades o contenidos relacionados a esta temática, integrados con
las particularidades de cada disciplina (Sánchez-Mendiola et al., 2013).
• Crear grupos de trabajo en las instituciones que, de forma longitudi-
nal y con perspectiva académica, puedan orientar a las comunidades
docentes y estudiantiles en el uso de estas herramientas.
• Compartir material y experiencias con otros docentes e institucio-
nes, como lo están haciendo grupos internacionales (Nerantzi et al.,
2023; OpenAI, 2023b; Sabzalieva y Valentini, 2023).
• Trabajar en equipo con el estudiantado para explorar su uso y limi-
taciones: incluirlos desde el inicio en el necesario proceso de diálogo
sobre estos complejos temas, para llegar a acuerdos consensuados.
• Mantenerse actualizados en el tema, asunto no trivial en estas épocas
en las que prácticamente cada semana ocurren avances importantes.
Un ejemplo interesante es la alianza GRAILE (Global Research Allian-
ce for AI in Learning and Education), que genera actividades y recur-
sos de acceso abierto sobre el uso de IA en educación (GRAILE, 2023).
• No confiar ciegamente en las herramientas. Su aparente calidad en
los productos da la impresión de certeza, pero se debe incluir siem-
pre a la inteligencia y experiencia humanas en el ciclo de desarrollo y
evaluación de estos recursos.
• Tener claridad sobre el reto que implica el desfase entre los avances
tecnológicos encabezados por unas cuantas empresas del Norte glo-
bal, cuyas intenciones no son transparentes para el resto de la sociedad
y que pueden estar motivadas por el beneficio financiero, para estar
alertas a su uso inadecuado con apropiación de información privada
de la ciudadanía. Los países con economías emergentes y del Sur glo-
bal deben aprovechar al máximo estas herramientas y privilegiar las
de acceso abierto y bajo costo, así como dedicar recursos locales al de-
sarrollo de tecnologías que incorporen las necesidades contextuales.
• Cuidar los aspectos éticos, de derechos de autor, privacía de datos y
confidencialidad (Mhlanga et al., 2023; Nguyen et al., 2023; The White
House- Office of Science and Technology Policy, 2023).
• Diseñar estrategias para mitigar o cerrar la creciente brecha digital
y de competencias en IA que, en lugar de resolverse, parece ir en au-
mento en la era post-pandemia (Trucano, 2023; UNESCO, 2023b).
• La lista de recomendaciones sobre el tema elaborada por el Departa-
mento de Educación de los Estados Unidos hace las siguientes suge-
rencias: enfatizar sobre lo indispensable que es mantener a los huma-
nos “en el loop” (involucrados en todas las etapas del proceso); alinear
modelos de IA con una visión compartida para la educación; diseñar
las herramientas usando principios modernos de aprendizaje; prio-
rizar el fortalecimiento de la confianza de la sociedad y la comuni-
dad universitaria; informar a las y los educadores e involucrarlos en
la toma de decisiones; atender el tema con proyectos de investigación
y desarrollo, de acuerdo a los contextos, para así potenciar la con-
fianza y seguridad; desarrollar guías y barreras de protección (U.S.
Department of Education-Office of Educational Technology, 2023).
En la Fig. 1 se presenta un esquema de las características que debe de
incluir el uso de estas herramientas en educación, con el estudianta-
do y profesorado como núcleo central.
Figura 1. Características deseadas de las herramientas

y sistemas de IA en la educación
Los humanos participan en todas las etapas
Uso responsable, Transferible, considera

Alineado con teorías de
transparente, con el contexto cultural
aprendizaje y currículo
rendición de cuentas y de infraestructura
Minimiza sesgos Integra habilidades

Estudiantado
y promueve digitales con
y profesorado
equidad y justicia habilidades humanas
Usa principios de ciencias Protege la seguridad

Es verificable,
de la implementación y privacidad
explicable, anulable
y la complejidad de los datos
Sistema adaptativo complejo educativo

Fuente: adaptado de: Greenhalgh et al. (2004); U.S. Department of Education-Office of Educational
Technology (2023).
Conclusiones
Los avances en tecnología e IAG avanzan a un ritmo vertiginoso, demasiado

rápido comparado con la velocidad de adopción por la comunidad docente.
Ello constituye un reto para que las organizaciones educativas y las y los do-
centes se mantengan a la vanguardia en estos temas, con sus implicaciones
81
normativas, legales, sociológicas, éticas y culturales, lo que puede generar
un ambiente de resignación o de frustración que no contribuye a mejorar el
proceso educativo (Lim et al., 2023; UNESCO, 2023b).
La brecha digital existente a nivel mundial, que se ha agravado por cata-
clismos globales como la pandemia por COVID-19, se complica ahora con una
“brecha en IA”. Se requiere un análisis riguroso, así como de la generación de
información contextualizada que permita abordar este enorme reto con una
perspectiva interdisciplinaria (Bozkurt et al., 2023; Long y Magerko, 2020). Es
importante ser realistas y críticos para no ser meros consumidores de las he-
rramientas tecnológicas y de IAG creadas en otros contextos. Es un hecho do-
cumentado que las grandes empresas tecnológicas han adquirido un enor-
me poder a nivel global, con limitada rendición de cuentas, y que realizan
acciones que pueden invadir la privacidad y afectar la propiedad intelectual
(UNESCO, 2023b). El origen de la IAG y sus diversas herramientas generalmen-
te no tienen fines expresamente educativos, lo que complica la situación de
las escuelas, universidades y docentes, que se ven obligados a adaptar, con
recursos limitados, el uso de estas herramientas al entorno local, con conse-
cuencias difíciles de evaluar. Aunado a la enorme influencia de las grandes
empresas tecnológicas, que siguen su propia lógica, en las instituciones pú-
blicas existen limitaciones financieras, de recursos tecnológicos y de recursos
humanos especializados. La sociedad se encuentra en una polarización cre-
ciente y desconfía de la comunidad científica y académica, lo que obstaculiza
reconocer la necesidad de adoptar estas nuevas herramientas para contribuir
a mejorar la calidad de la educación. Para enfrentar la situación se requiere
creatividad y empoderamiento de los actores docentes y las universidades.
La llamada “agencia” de estudiantes y docentes adquiere una nueva
connotación en el mundo actual, con la aparición en escena del concepto
“agencia digital”, que puede describirse como un constructo que incluye
competencia, confianza y rendición de cuentas digitales, y que consiste en
la habilidad de las personas para controlar y adaptarse al mundo digital
(Siddiq et al., 2023). Dicha agencia digital puede relacionarse con términos
como competencia digital y literacidad digital, entre otros, para dar lugar a
un amplio y rico campo de estudio para la comunidad académica.
El “entrenamiento” de instrumentos como ChatGPT es relativamente
poco transparente; utiliza volúmenes de datos que de origen son sesgados,
desbalanceados, a veces obsoletos, y que pueden contener datos incorrec-
tos o sin referencias adecuadas, por lo que muchos países se encuentran en
condiciones de desventaja al no participar en la toma de decisiones sobre la
materia prima a utilizar para mejorar el desempeño de la IAG. Es importan-
te que se tome en cuenta al Sur global en estos procesos de escala mundial,
para evitar los llamados “sesgos algorítmicos” (Kordzadeh y Ghasemaghaei,
2022). De otra manera seremos como “la orquesta que llega para un concier-
to con los músicos equivocados, el día equivocado, en el lugar equivocado y
con los instrumentos equivocados” (Harden, 1998: 301).
Las tareas que se requieren involucran planeación estratégica, asignación
de recursos tecnológicos, financieros y humanos, desarrollo y adaptación
de herramientas de IAG adecuadas a las necesidades locales y nacionales,
así como identificación y desarrollo de habilidades y competencias digitales
y de IA pertinentes a la educación, para realizar actividades de formación
docente e investigación relativas al tema. La necesidad de un mapa de ruta
institucional, nacional y global es imperativa. Se debe ligar a la IAG con los
avances en educación en línea e híbrida, aprovechar el ímpetu generado por
la pandemia en educación a distancia y el uso de la tecnología para vivir
estas innovaciones con creatividad y optimismo, sin perder de vista que la
tecnología y sus usos no son ideológicamente neutrales.
Referencias
Baidoo-Anu, David y Leticia Owusu Ansah (2023, 25 de enero), “Education in the Era
of Generative Artificial Intelligence (AI): Understanding the potential benefits
of ChatGPT in promoting teaching and learning”, Social Science Research Net-
work Electronic Journal. DOI: https://doi.org/10.2139/ssrn.4337484
Bozkurt, Aras, Junhong Xiao, Sarah Lambert, Angelica Pazurek, Helen Cromp-
ton, Suzan Koseoglu, Robert Farrow, Melissa Bond, Chrissi Nerantzi, Sarah
Honeychurch, Maha Bali, Jon Dron, Kamran Mir, Bonnie Stewart, Eamon
Costello, Jon Mason, Christian M. Stracke, Enilda Romero-Hall, Apostolos
Koutropoulos, Cathy Mae Toquero, Lenandlar Singh, Ahmed Tlili, Kyungmee
Lee, Mark Nichols, Ebba Ossiannilsson, Mark Brown, Valerie Irvine, Juliana
Raffaghelli, Gema Santos-Hermosa, Oma Farrell, Taskeen Adam, Ying Li
Thong, Sunagui Sani-Bozkurt, Ramesh C. Sharma, Stefan Hrastinski y Petar
Jandrić (2023), “Speculative Futures on ChatGPT and Generative Artificial In-
telligence (AI): A collective reflection from the educational landscape”, Asian
Journal of Distance Education, vol. 18, núm. 1, pp. 53-130, en: https://zenodo.
org/record/7636568 (consulta: 11 de agosto de 2023).
Carbajal-Degante, Erik, Myrna Hernández Gutiérrez y Melchor Sánchez-Mendiola
(2023), “Hacia revisiones de la literatura más eficientes potenciadas por in-
teligencia artificial”, Investigación en Educación Médica, vol. 12, núm. 47,
pp. 111-119.
Castellanos-Gomez, Andres (2023), “Good Practices for Scientific Article Writing
with ChatGPT and Other Artificial Intelligence Language Models”, Nano-
manufacturing, vol. 3, núm. 2, pp. 135-138.
Chiu, Thomas K.F., Qi Xia, Xinyan Zhou, Ching Sing Chai y Miaoting Cheng (2023),
“Systematic Literature Review on Opportunities, Challenges, and Future Re-
search Recommendations of Artificial Intelligence in Education”, Computers
and Education: Artificial Intelligence, vol. 4, p. 100118.
Choudhury, Avishek y Hamid Shamszare (2023), “Investigating the Impact of User
Trust on the Adoption and Use of ChatGPT: Survey analysis”, Journal of Medi-
cal Internet Research, vol. 25, p. e47184.
Chow, Andrew R. (2023), “How ChatGPT Managed to Grow Faster than TikTok or Ins-
tagram”, en: https://time.com/6253615/chatgpt-fastest-growing/ (consulta: 1 de
julio de 2023).
Committee on Publication Ethics (2023), “COPE Position Statement for Authorship and
AI Tools”, Committee on Publication Ethics, en: https://publicationethics.org/
cope-position-statements/ai-author (consulta: 1 de julio de 2023).
Danks, David y Alex John London (2017), “Algorithmic Bias in Autonomous Systems”,
en Proceedings of the Twenty-Sixth International Joint Conference on Artificial
Intelligence, Melbourne, International Joint Conferences on Artificial Intelli-
gence Organization, pp. 4691-4697. DOI: https://doi.org/10.24963/ijcai.2017/654.
Farazouli, Alexandra, Teresa Cerratto-Pargman, Klara Bolander-Laksov y Cormac
McGrath (2023), “Hello GPT! Goodbye home examination? An exploratory
study of AI chatbots impact on university teachers’ assessment practices”, As-
sessment & Evaluation in Higher Education, pp. 1-13. DOI: https://doi.org/10.10
80/02602938.2023.2241676.
83
García-Peñalvo, Francisco José (2023), “La percepción de la inteligencia artificial en
contextos educativos tras el lanzamiento de ChatGPT: disrupción o pánico”,
Education in the Knowledge Society, vol. 24, p. e31279.
Giannini, Stefania (2023), “Reflections on Generative AI and the Future of Education”,
París, UNESCO, en: https://unesdoc.unesco.org/ark:/48223/pf0000385877 (con-
sulta: 1 de julio de 2023).
Gibson, David, Vitomir Kovanovic, Dirk Ifenthaler, Sara Dexter y Shihui Feng (2023),
“Learning Theories for Artificial Intelligence Promoting Learning Processes”,
British Journal of Educational Technology, vol. 54, núm. 5, pp. 1125-1146. DOI:
https://doi.org/10.1111/bjet.13341
“Global Research Alliance for AI in Learning and Education” (GRAILE) (2023), en:
https://graile.ai/ (consulta: 1 de julio de 2023).
Gómez-Domínguez, Valentina, Diego Navarro-Mateu, Vicente Javier Prado-Gascó
y Teresa Gómez-Domínguez (2022), “How Much Do We Care about Teacher
Burnout during the Pandemic: A bibliometric review”, International Journal
of Environmental Research and Public Health, vol. 19, núm. 12, p. 7134. DOI:
https://doi.org/10.3390/ijerph19127134
Goodfellow, Ian J., Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley,
Sherjil Ozair, Aaron Courville y Yoshua Bengio (2014), “Generative Adversarial
Networks”, arXiv, en: http://arxiv.org/abs/1406.2661 (consulta: 5 de agosto de
2023).
Gozalo-Brizuela, Roberto y Eduardo C. Garrido-Merchán (2023), “A Survey of Gene-
rative AI Applications”, arXiv, en: http://arxiv.org/abs/2306.02781 (consulta: 28
de agosto de 2023).
Greenhalgh, Trisha, Glenn Robert, Frase Macfarlane, Paul Bate y Olivia Kyriakidou
(2004), “Diffusion of Innovations in Service Organizations: Systematic review
and recommendations”, The Milbank Quarterly, vol. 82, núm. 4, pp. 581- 629.
DOI: https://doi.org/10.1111/j.0887-378X.2004.00325.x
Harden, Ronald (1998), “Educating More Doctors in the UK: Painting the tiger”, Medi-
cal Teacher, vol. 20, núm. 4, pp. 301-306.
Herft, Andrew (2023), “A Teacher’s Prompt Guide to ChatGPT Aligned with
‘What Works Best’”, en: https://usergeneratededucation.files.wordpress.
com/2023/01/a-teachers-prompt-guide-to-chatgpt-aligned-with-what-works-
best.pdf (consulta: 1 de julio de 2023).
Huang, Jingshan y Ming Tan (2023), “The Role of ChatGPT in Scientific Communi-
cation: Writing better scientific review articles”, American Journal of Cancer
Research, vol. 13, núm. 4, pp. 1148-1154.
Ji, Ziwei, Nayeon Lee, Rita Frieske, Tiezheng Yu, Dan Su, Yan Xu, Etsuko Ishii, Yejin
Bang, Wenliang Dai, Andrea Madotto y Pascale Fung (2023), “Survey of Hallu-
cination in Natural Language Generation”, ACM Computing Surveys, vol. 55,
núm. 12, pp. 1-38.
Jiang, Yuchen, Xiang Li, Hao Luo, Shen Yin y Okyay Kaynak (2022), “Quo Vadis Arti-
ficial Intelligence?”, Discover Artificial Intelligence, vol. 2, núm. 4. DOI: https://
doi.org/10.1007/s44163- 022- 00022-8
Kaplan, Andreas y Michael Haenlein (2019), “Siri, Siri, in my Hand: Who’s the fairest
in the land? On the interpretations, illustrations, and implications of artificial
intelligence”, Business Horizons, vol. 62, núm. 1, pp. 15-25.
Kasneci, Enkelejda, Kathrin Sessler, Stefan Küchemann, Maria Bannert, Daryna De-
mentieva, Frank Fischer, Urs Gasser, Georg Groh, Stephan Günnemann, Eyke
Hüllermeier, Stephan Krusche, Gitta Kutyniok, Tilman Michaeli, Claudia Ner-
del, Jürgen Pfeffer, Oleksandra Poquet, Michael Sailer, Albrecht Schmidt, Tina
Seidel, Matthias Stadler, Jochen Weller, Jochen Kuhn y Gjergji Kasneci (2023),
“ChatGPT for Good? On opportunities and challenges of large language mo-
dels for education”, Learning and Individual Differences, vol. 103, p. 102274. DOI:
https://doi.org/10.1016/j.lindif.2023.102274
Kingma, Diederik P. y Max Welling (2019), “An Introduction to Variational Autoen-
coders”, Foundations and Trends® in Machine Learning, vol. 12, núm. 4, pp.
307-392 .
Kordzadeh, Nima y Maryam Ghasemaghaei (2022), “Algorithmic Bias: Review,
synthesis, and future research directions”, European Journal of Information
Systems, vol. 31, núm. 3, pp. 388-409.
Korshunov, Pavel y Sebastien Marcel (2018), “DeepFakes: a New Threat to Face Recog-
nition? Assessment and Detection”, arXiv, en: http://arxiv.org/abs/1812.08685
Kukulska-Hulme, Agnes, Carina Bossu, Koula Charitonos, Tim Coughlan, Andrew
Deacon, Nawaal Deane, Rebecca Ferguson, Christothea Herodotou, Cheng-
Wen Huang, Tabisa Mayisela, Irina Rets, Julia Sargent, Eileen Scanlon, Janet
Small, Sukaina Walji, Martin Weller y Denise Whitelock (2023), “Innovating
Pedagogy 2023: Open University Innovation Report 11”, Milton Keynes, The
Open University, en: https://www.open.ac.uk/blogs/innovating/?p=784 (con-
sulta: 1 de julio de 2023).
Lim, Weng Marc, Asanka Gunasekara, Jessica Leigh Pallant, Jason Ian Pallant y Ekate-
rina Pechenkina (2023), “Generative AI and the Future of Education: Ragnarök
or reformation? A paradoxical perspective from management educators”, The
International Journal of Management Education, vol. 21, núm. 2, p. 100790.
Linardatos, Pantelis, Vasilis Papastefanopoulos y Sotiris Kotsiantis (2020), “Explain-
able AI: A review of machine learning interpretability methods”, Entropy, vol.
23, núm. 1, p. 18. DOI: https://doi.org/10.3390/e23010018
Long, Duri y Brian Magerko (2020), “What is AI Literacy? Competencies and de-
sign considerations”, en Regina Bernhaupt et al. (coords.), Proceedings of
the 2020 CHI Conference on Human Factors in Computing Systems, Hono-
lulu, Association for Computing Machinery, abril, pp. 1-16. DOI: https://doi.
org/10.1145/3313831.3376727
Maslej, Nestor, Loredana Fattorini, Erik Brynjolfsson, John Etchemendy, Katrina Li-
gett, Lyons Terah, James Manyika, Juan C. Niebles, Vanessa Parli, Yoav Sho-
ham, Russell Wals, Jack Clark y Raymond Perrault (2023), “The AI index 2023
annual report”, Stanford, Stanford University, en: https://aiindex.stanford.edu/
report/ (consulta: 1 de julio de 2023).
Mhlanga, David (2023), “Open AI in Education, the Responsible and Ethical Use of
ChatGPT Towards Lifelong Learning”, Social Science Research Network Electro-
nic Journal. DOI: https://doi.org/10.2139/ssrn.4354422
Mollick, Ethan R. y Lilach Mollick (2023), “Using AI to Implement Effective Teaching
Strategies in Classrooms: Five strategies, including prompts”, Social Science
Research Network Electronic Journal. DOI: https://doi.org/10.2139/ssrn.4391243
Neal, Brady, Sarthak Mittal, Aristide Baratin, Vinayak Tantia, Matthew Sciclu-
na, Simon Lacoste-Julien y Ioannis Mitliagkas (2019), “A Modern Take on
the Bias-Variance Tradeoff in Neural Networks”, arXiv, en: http://arxiv.org/
abs/1810.08591 (consulta: 1 de julio de 2023).
Nerantzi, Chrissi, Sandra Abegglen, Marianna Karatsiori y Antonio Martínez-Arbo-
leda (2023, 23 de junio), “101 Creative Ideas to Use AI in Education. A crowd-
sourced collection”, Zenodo. DOI: https://doi.org/10.5281/zenodo.8072950
Nguyen, Andy, Ha Ngan Ngo, Yvonne Hong, Belle Dang y Bich-Phuong Thi Nguyen
(2023), “Ethical Principles for Artificial Intelligence in Education”, Education
and Information Technologies, vol. 28, núm. 4, pp. 4221-4241.
Oladipupo, Taiwo (2010), “Types of Machine Learning Algorithms”, New Advances in
Machine Learning. DOI: https://doi.org/10.5772/9385
OpenAI (2023a), “ChatGPT, Large Language Model”, en: https://chat.openai.com/chat
OpenAI (2023b), “Educator FAQ”, en: https://platform.openai.com/docs/chatgpt-educa-
tion (consulta: 1 de julio de 2023).
Ouyang, Fan, Luyi Zheng y Pengcheng Jiao (2022), “Artificial Intelligence in Online
Higher Education: A systematic review of empirical research from 2011 to
2020”, Education and Information Technologies, vol. 27, núm. 6, pp. 7893-7925.
Pelletier, Kathe, Mark McCormack, Jamie Reeves, Jenay Robert, Nichole Arbino,
Maha Al-Freih, Camile Dickson-Deane, Carlos Guevara, Lisa Koster, Melchor
Sánchez-Mendiola, Lee Skallerup Bessette y Jake Stine (2022), 2022 EDUCAU-
SE Horizon Report Teaching and Learning Edition, Louisville, EDUCAUSE , en:
https://library.educause.edu/resources/2022/4/2022-educause-horizon-report-
teaching-and-learning-edition (consulta: 1 de julio de 2023).
Regona, Massimo, Tan Yigitcanlar, Bo Xia y Rita Yi Man Li (2022), “Opportunities and
Adoption Challenges of AI in the Construction Industry: A PRISMA review”,
85
Journal of Open Innovation: Technology, Market, and Complexity, vol. 8, núm. 1.
DOI: https://doi.org/10.3390/joitmc8010045
Rudolph, Jürgen, Samson Tan y Shannon Tan (2023), “ChatGPT: Bullshit spewer or
the end of traditional assessments in higher education?”, Journal of Applied
Learning & Teaching, vol. 6, núm. 1, pp. 342-363. DOI: https://doi.org/10.37074/
jalt.2023.6.1.9
Ruiz, Pati y Judi Fuso (2023), “Glossary of Artificial Intelligence Terms for Educators”,
CIRCLS-Center for Integrative Research in Computing and Learning Sciences, en:
https://circls.org/educatorcircls/ai-glossary (consulta: 1 de julio de 2023).
Sabzalieva, Emma y Arianna Valentini (2023), “ChatGPT e inteligencia artificial en
la educación superior: guía de inicio rápido”, UNESCO, en: https://unesdoc.
unesco.org/ark:/48223/pf0000385146_spa (consulta: 1 de julio de 2023).
Salas-Pilco, Sdenka Zobeida y Yuqin Yang (2022), “Artificial Intelligence Applications
in Latin American Higher Education: A systematic review”, International Jour-
nal of Educational Technology in Higher Education, vol. 19, núm. 1, p. 21. DOI:
https://doi.org/10.3390/world4020019
Sánchez-Mendiola, Melchor, Adrián I. Martínez-Franco, Argelia Rosales-Vega, Joel
Villamar-Chulin, Florina Gatica-Lara, Rocío García-Durán y Adrián Martí-
nez-González (2013), “Development and Implementation of a Biomedical In-
formatics Course for Medical Students: Challenges of a large-scale blended-
learning program”, Journal of the American Medical Informatics Association,
vol. 20, núm. 2, pp. 381-387.
Sejnowski, Terrence J. (2023), “Large Language Models and the Reverse Turing Test”,
Neural Computation, vol. 35, núm. 3, pp. 309-342.
Siddiq, Fazilat, Fredrik Mørk Røkenes, Andreas Lund y Ronny Scherer (2023), “New
Kid on the Block? A conceptual systematic review of digital agency”, Education
and Information Technologies. DOI: https://doi.org/10.1007/s10639- 023-12038-3
The White House-Office of Science and Technology Policy (2023), “Blueprint for an AI
Bill of Rights”, en: https://www.whitehouse.gov/ostp/ai-bill-of-rights/ (consul-
ta: 1 de julio de 2023).
Trucano, Michael (2023), “AI and the Next Digital Divide in Education”, en: https://
www.brookings.edu/articles/ai-and-the-next-digital-divide-in-education/
U.S. Department of Education-Office of Educational Technology (2023), “Artificial In-
telligence and the Future of Teaching and Learning: Insights and Recommen-
dations”, en: https://tech.ed.gov/ai-future-of-teaching-and-learning/ (consulta:
UNESCO (2023a), “Consenso de Beijing sobre la inteligencia artificial y la educación”,
Perfiles Educativos, vol. 45, núm. 180, pp. 176 -182. DOI: https://doi.org/10.22201/
iisue.24486167e.2023.180.61303
UNESCO (2023b), “Global Education Monitoring Report, 2023: Technology in education:
a tool on whose terms?”, UNESCO, en: https://unesdoc.unesco.org/ark:/48223/
pf0000385723 (consulta: 1 de julio de 2023).
Zhao, Wayne Xin, Kun Zhou, Junyi Li, Tianyi Tang, Xiaolei Wang, Yupeng Hou, Yin-
gqian Min, Beichen Zhang, Junjie Zhang, Zican Dong, Yifan Du, Chen Yang,
Yushuo Chen, Zhipeng Chen, Jinhao Jiang, Ruiyang Ren, Yifan Li, Xinyu Tang,
Zikang Liu, Peiyu Liu, Jian-Yun Nie y Ji-Rong Wen (2023), “A Survey of Large
Language Models”, arXiv, vol. 1, en: http://arxiv.org/abs/2303.18223 (consulta: 11
de agosto de 2023).
Una perspectiva sobre la inteligencia
artificial en la educación
Zaira Navarrete-Cazales*
Héctor Manuel Manzanilla-Granados**
Se presenta una descripción de lo que significa la Palabras clave

enseñanza automática por medio de la inteligencia
artificial (IA) mediante ejemplos realizados con al- Inteligencia artificial
gunos agentes digitales de libre acceso. Además, se Redes neuronales
examina el interés de las grandes compañías inter- Educación
nacionales sobre el negocio de la educación auto-
mática basada en IA. Se analiza el posible impacto Políticas educativas
de la IA en un país en desarrollo como México, con Educación automática
base en algunos de los principales lineamientos pro-
puestos por la UNESCO. Para ello, se recupera una
serie de documentos que nos permiten examinar
los beneficios, los desafíos y las políticas internacio-
nales propuestas en torno a la IA. Se concluye que
la automatización de la educación por medio de IA
no necesariamente es la mejor opción, a pesar de su
creciente popularidad a nivel mundial.
* Profesora del Departamento de Pedagogía de la Facultad de Filosofía y Letras de la
Universidad Nacional Autónoma de México (UNAM) (México). Doctora en Ciencias.
Líneas de investigación: políticas y usos de TIC en educación; formación profesional y
construcción de identidades; historia y perspectiva de la pedagogía en México; educa-
ción comparada e internacional. Publicación reciente: (2023), “Políticas educativas para
la integración de las TIC en el sistema educativo nacional mexicano”, Apertura, vol. 15,
núm. 2, pp. 134-151. DOI: https:// doi.org/10.32870/Ap.v15n2.2419. CE: znavarrete@filos.
unam.mx. ORCID: https://orcid.org/0000-0002-2293-2058
** Profesor-investigador de la Escuela Superior de Cómputo del Instituto Politécnico
Nacional (IPN) (México). Doctor en Ciencias. Líneas de investigación: políticas y tec-
nologías de la información y la comunicación en educación básica y superior; políticas
para la innovación e inclusión desde una perspectiva comparada; software educativo.
Publicación reciente: (2023, en coautoría con Z. Navarrete y P. López), “Políticas para
la innovación, inclusión y TIC en Bolivia, Paraguay y Uruguay”, Revista Educação &
Sociedade, vol. 44, pp. 1-18, en: https://www.scielo.br/j/es/i/2023.v44/. CE: hmanzanilla@
ipn.mx. ORCID: https://orcid.org/0000-0002-0276-1853

Introducción1
En los años cincuenta se inició el desarrollo de lo que hoy conocemos como

inteligencia artificial. Entre los fundadores se encuentra Alan Turing, quien
propuso la idea de una “máquina universal” —que podría simular cualquier
máquina computacional— y el “test de Turing” para medir la capacidad de
una máquina para exhibir un comportamiento indistinguible del comporta-
miento de un ser humano. John McCarthy (2007), conocido como el “padre de
la IA”, fue quien acuñó el término “inteligencia artificial (IA)” en 1955 y concep-
tualizó a la IA como un campo de estudio formal. Otros investigadores como
Marvin Minsky, Allen Newell, Herberth A. Simon y Claude A. Shannon sen-
taron las bases y desarrollaron el concepto de redes neuronales; además, dise-
ñaron los primeros programas de IA y de la informática. La historia posterior a
esto podría ser muy larga y queda fuera del alcance del objetivo de este trabajo,
sin embargo, puede consultarse Nilsson (1998) y Minsky (2006).
Pero ¿qué es la inteligencia artificial? Se puede considerar a la inteligencia
artificial (IA) como un subcampo de la informática que se enfoca en el desa-
rrollo de sistemas capaces de realizar tareas que, tradicionalmente, requie-
ren de la inteligencia humana. Estas tareas incluyen el procesamiento de len-
guaje natural, la toma de decisiones, el reconocimiento visual y auditivo, así
como el aprendizaje y la adaptación a partir de datos. Para ser más concretos,
podríamos desglosar a la IA en términos de sus componentes y objetivos:
• Aprendizaje (o aprendizaje automático): es la capacidad de un sistema

para mejorar su rendimiento en una tarea a partir de datos y expe-
riencias pasadas sin ser explícitamente programado para ello (Bi-
shop, 2006; Russell y Norving, 2010).2
• Razonamiento: es la capacidad de resolver problemas a través de un
proceso lógico, haciendo uso de la información disponible (Associa-
tion for Automated Reasoning, 2023).
• Autonomía: hace referencia a la habilidad de un sistema de operar y
tomar decisiones sin intervención humana.
1 Los autores agradecen al proyecto de investigación “Desarrollo de software de graficación

tridimensional para la enseñanza de la física y análisis vectorial”, PY-20231495, del IPN. Y
al Sistema Nacional de Investigadoras e Investigadores por el estímulo SNII-Conahcyt.
2 Cabe señalar que la “enseñanza automática” y la “enseñanza automatizada” pueden so-
nar similares, pero generalmente se refieren a conceptos diferentes en el ámbito de la
educación y la tecnología. La enseñanza automática (machine learning) es una rama de
la inteligencia artificial que se enfoca en el desarrollo de sistemas que pueden aprender de
los datos. El objetivo es permitir que las máquinas mejoren su rendimiento en una tarea
específica con experiencia, es decir, con más datos y algoritmos de aprendizaje. No se re-
fiere directamente a la educación de seres humanos, sino al proceso mediante el cual las
computadoras “aprenden” de los datos para realizar predicciones o decisiones sin estar ex-
plícitamente programadas para cada situación (Bishop, 2006). Por su parte, la “enseñanza
automatizada” se refiere al uso de tecnologías para automatizar elementos del proceso de
enseñanza. Esto puede incluir el uso de sistemas de gestión de aprendizaje (LMS), tutores
inteligentes y otras formas de instrucción asistida por ordenador que proporcionan con-
tenidos educativos, evaluaciones, retroalimentación y personalización del aprendizaje sin
intervención constante de un instructor humano. El objetivo es hacer la enseñanza y el
aprendizaje más eficientes, personalizados y accesibles (Simonson et al., 2019).
Z. Navarrete-Cazales y H.M. Manzanilla-Granados | Una perspectiva sobre la inteligencia artificial en la educación
• Procesamiento de lenguaje natural (PLN): es la capacidad de un sistema
para comprender y generar lenguaje humano, además de permitir
una interacción fluida con los usuarios (Jurafsky y Martin, 2023).
• Percepción: se refiere a la habilidad de un sistema de interpretar el
mundo que lo rodea mediante el reconocimiento de objetos, sonidos,
textos y otros estímulos (Szeliski, 2022).
• Interacción y robótica: es la capacidad de un sistema para moverse y
operar en el entorno físico, así como interactuar con otros agentes y
seres humanos.
Cada uno de estos aspectos de la IA son, por sí mismos, un campo de

investigación, lo cual hace muy complejo su estudio general; básicamente,
es casi imposible ser un experto en IA en todos sus campos.
Para fines de la presente investigación nos enfocaremos en la manera en
la que la IA está incidiendo en el ámbito formativo. Por ejemplo, de manera
directa, analizaremos cómo es que la IA se está posicionando a nivel global
en los temas de enseñanza y educación; y comentaremos algunos de los li-
neamientos más importante sobre el uso de la IA emitidos por organismos
internacionales hasta el momento de esta investigación. Así mismo, ana-
lizaremos cómo la IA influirá en la sociedad a través de la contratación de
compañías globales especializadas en vender educación automática.
Conviene destacar que la IA también incidirá de forma indirecta en
nuestra vida cotidiana, por ejemplo, en el desarrollo de chips inteligentes
que harán más eficientes nuestros computadores, facilitarán el transporte
autónomo, harán el trabajo robotizado más eficiente y desarrollarán soft-
ware que facilite la detección de diferentes problemas en la infraestructura
de nuestras sociedades, el diseño de medicamentos, etc. (Negnevitsky, 2022).
El objetivo de este artículo es dar cuenta de la manera en la que la IA
incide en el ámbito formativo; y para ello retomaremos aspectos que se re-
lacionan con su funcionamiento y aplicación. Se adoptó una aproximación
metodológica de carácter cualitativo, específicamente de corte documental,
y sobre esa base se recuperó una serie de investigaciones para construir el
aparato conceptual y analizar las diversas proyecciones que implica la im-
plementación de la IA en las aulas, así como reconocer sus desafíos.
La metáfora de una red neuronal para la IA
Sería sumamente provechoso obtener una comprensión concisa de cómo

opera la inteligencia artificial (IA) sin la necesidad de adentrarse en discipli-
nas como matemáticas, física, informática y redes neuronales, entre otras.
Esta simplificación permitiría una descripción clara, aunque no necesaria-
mente precisa, de la IA. Es importante resaltar que, en la actualidad, según
registros de Google Books existe una amplia cantidad de libros dedicados a
este tema. Por lo mencionado con anterioridad, en este apartado trataremos
de explicar de manera simple dicho predicamento.
89
En primer lugar, está el empleo de la IA en la enseñanza por medio de
una serie de preguntas que podríamos plantear a un ordenador; nuestros
cuestionamientos podrían ser de cualquier tipo o clase. En segundo lugar,
imaginemos que nos encontramos frente a nuestra computadora y por me-
dio de una sentencia escrita, un comando de voz u otra forma de comuni-
carnos, por ejemplo, un menú de opciones desplegado en nuestra computa-
dora o móvil, sea posible hacerle una pregunta sobre el tema que queremos
comprender. En este momento nos convertimos en receptores de infor-
mación; podría decirse que el individuo está interesado en aprender y que
la máquina sería el dispositivo encargado de aclarar sus dudas. Dado que
nuestra pregunta puede ser de cualquier clase, se puede pensar que nuestra
máquina tratará de comportarse como un buscador (Google, Firefox, Bing,
etc.) y nos dará alguna o algunas de las posibles respuestas que sea capaz de
encontrar en una inmensa base de datos. Pero resulta que esto no es así; lo
que ocurrirá es que la IA será capaz de calcular la mejor respuesta a nuestra
pregunta haciendo uso de una red neuronal.
La red neuronal funciona como un algoritmo matemático que se ejecuta
en un ordenador; este algoritmo está compuesto por capas de “neuronas”
que procesan información. De manera simplificada, realiza lo siguiente:
• Neuronas y capas: imagina que se tiene una serie de luces (neuronas)

organizadas en filas (capas). La primera fila de luces representa los
datos de entrada y la última fila representa el resultado.
• Pesos: cada luz en una fila está conectada a todas las luces en la siguien-
te fila mediante cables. Cada cable tiene un “peso” (un número o pro-
babilidad), que puede considerarse como una resistencia que modifica
la señal que pasa a través de él. Estos pesos son, esencialmente, valores
en una matriz (un arreglo de números formados por filas y columnas).
• Procesamiento: cuando “se encienden” las luces de entrada (introdu-
ces datos), esa luz (señal) pasa a través de los cables hacia la siguiente
fila de luces. La cantidad de luz que recibe cada luz en la segunda fila
depende de los pesos de los cables por los que pasó.
• Función de activación: antes de que una luz en la segunda fila pueda
encenderse, la señal total que recibe se pasa a través de una “función
de activación”. Esta función decide si la luz debe encenderse y cuánto
debe brillar. Una función común es la función sigmoide, que con-
vierte cualquier señal entrante en un valor entre 0 y 1.
• Propagación: este proceso se repite, capa por capa, hasta llegar a la
última fila de luces, que representa la salida.
• Aprendizaje: inicialmente, los pesos (resistencias en los cables) se es-
tablecen al azar. Durante el entrenamiento se ajustan repetidamente
para que, al introducir ciertos datos de entrada, la red produzca la sa-
lida deseada.
Al finalizar el proceso anteriormente descrito, se obtiene la respuesta

deseada, es decir, después de filtrar la información de entrada, la red, de
acuerdo con los pesos (valores que se tienen en la matriz de pesos) llega a la
etapa final con una respuesta que arrojará el sistema.
Como se puede observar con la alegoría de las luces, el desarrollo de las
redes neuronales implica diversos aspectos: a) la programación de una in-
terfaz en web a través de la cual nos comunicamos; b) un algoritmo complejo
que involucra conocimientos avanzados de matemáticas y de programación
(construcción de la red neuronal) para ejecutarlos; c) el entrenamiento pre-
vio de una red amplia que contenga básicamente todos los temas posibles de
la humanidad (el cálculo de los valores numéricos previamente obtenidos
para que la red arroje las respuestas correctas); y d) la infraestructura ne-
cesaria para ejecutar cálculos, que sólo pueden ser realizados por empresas
con recursos económicos “infinitos” y conocimientos muy especializados,
tales como Microsoft, Google, Facebook e IMB, que son de alcance mundial.
Lo mencionado en el párrafo anterior implica que muchas naciones se-
rán incapaces de reproducir este tipo de tecnologías —y mucho menos de
estar a la vanguardia de sus transformaciones—, lo que de alguna manera
hace que países con escaso desarrollo económico se vuelvan aún más de-
pendientes y vulnerables. A pesar de ello, consideramos que es necesario
que quienes nos encontramos en el ramo de la docencia y la educación po-
damos desarrollar actitudes y aptitudes para aprender sobre IA y la manera
en la que impacta en el proceso formativo.
De regreso a la metáfora de las redes neuronales podemos decir que exis-
ten muchos métodos para crearlas, optimizarlas, etc., lo que las convierte en
un campo atractivo para la investigación, ya que constantemente se están
diseñando y creando nuevos métodos (algoritmos) de funcionamiento.
Un contacto simple con la IA
Para tener una idea de qué puede hacer una IA, pongamos como ejemplo
al ChatGPT-4 (GPT= generative pre-trained transformer).3 Supongamos un
estudiante que está aprendiendo conceptos básicos de álgebra aplicada al
razonamiento matemático e intenta utilizar esta IA para resolver el siguiente
problema que le dejó el profesor: el papá de Juan tiene el doble de la edad de
Juan y le lleva 30 años. ¿Cuál es la edad de Juan? Respuesta de la IA ChatGPT-4,
versión más moderna de paga. La versión 3.5 es libre:
Si llamamos J a la edad de Juan, entonces la edad del papá de Juan es 2J.

La diferencia de edad entre ellos es 2J−J=J.
Dado que esa diferencia es de 30 años, tenemos:
J=30
Por lo tanto, Juan tiene 30 años y su papá tiene 60 años.
3 GPT-4 es un modelo de lenguaje creado por Open AI. Se lanzó el 14 de marzo de 2023 y
está disponible a través de la API y para los usuarios de ChatGPT Plus.También existe la
versión gratuita v-3.5.
91
Con base en la respuesta, si suponemos que J es la edad de Juan, entonces
el doble de la edad de Juan es 2J, y la diferencia entre la edad del papá de Juan
y Juan será: 2J – J=30; por lo que J=30. Como podemos ver, la respuesta es
correcta, sin embargo, el planteamiento de las ecuaciones no lo es, ya que la
ecuación 2J – J=J implica que J=J; esto es válido para todos los valores reales
de J y, por ende, habrá infinitas soluciones, es decir, J puede tomar los valores
de todos los números reales, lo cual es incorrecto.
Entonces, si bien la respuesta final de esta IA es correcta, es como si se
tratara de una caja negra, ya que desconocemos el procedimiento realizado
para llegar al resultado. Esto implica una interrupción (un “acortamiento” o
reducción) en el aprendizaje que genera confusión en los estudiantes que no
poseen experiencia previa en el tema al recibir la respuesta correcta como
resultado de un procedimiento erróneo. En realidad, el procedimiento alge-
braico sería mucho más claro y fácil de entender con un libro y un docente
que brinde un acompañamiento adecuado.
Al intentar resolver el mismo problema con otro tipo de inteligencia
artificial (Google Bard), que es de aprendizaje continuo, obtenemos el si-
guiente resultado: el papá de Juan tiene el doble de la edad de Juan y le lleva
30 años. ¿Cuál es la edad de Juan? Respuesta de Bard:
Figura 1. Solución obtenida con Bard de Google
Fuente: captura de pantalla de la respuesta de Google Bard.
Como puede observarse, esta IA tiene un problema no sólo en sus ecua-

ciones, sino también en su lógica y en su resultado. De acuerdo con el enun-
ciado, el padre de Juan tiene el doble de la edad de Juan, no hay más. La
respuesta, por tanto, es incorrecta. Nuevamente la IA de última generación
ha fallado en algo tan sencillo como esto. Ello no significa que no sirva o no
haga nada bien, pero este ejemplo devela que no es infalible y que sí puede
representar un riesgo para la persona que hace una consulta sin conocer
acerca del tema. La IA, por el momento, no debería sustituir a los libros y,
mucho menos, a los profesores.
Ante el hecho anterior, es importante mencionar que, si un profesor le
pide a IA-GPT que escriba un código de este problema en un lenguaje cientí-
fico de programación en matemáticas, llamado Python, se obtiene:
Figura 2. Código del problema en lenguaje científico

de programación (Pyton)
Fuente: captura de pantalla de la respuesta de GPT.
El algoritmo es capaz de calcular y resolver este problema de manera au-

tomática, sin que previamente el instructor sepa de programación; en este
ejemplo se puede apreciar, por lo tanto, que una IA no es un buscador más,
sino una herramienta de cálculo que es capaz de generar un lenguaje que per-
mite obtener una respuesta correcta para cualquier problemática similar, en
tanto que construye un algoritmo que puede ser comprendido en cualquier
lenguaje. Hay que subrayar que, tanto la interpretación en lenguaje humano
como el de programación requieren de un interlocutor con conocimiento del
tema que pueda validar la veracidad de la respuesta creada por la IA.
En resumen, para trabajar con IA es importante contar con un bagaje so-
bre el tema de consulta. La IA es una herramienta que ahorra tiempo, facilita
los caminos, pero no es infalible y no debe aconsejarse que la utilicen perso-
nas sin conocimiento en el tema que se consulta, ya que la información que
aporta debe ser considerada siempre con reserva.
Entonces, podríamos pensar que, dado que las redes neuronales están
evolucionando constantemente, los errores serán cada vez menores y ha-
brá resultados más exactos, pero mientras las redes no estén certificadas
en cuanto a la precisión de sus respuestas, es aventurado recomendarlas o
reconocerlas como medios digitales eficaces e infalibles para el aprendiza-
je, tal como pudimos ver en estos tres ejemplos. Así, los actores educativos
deberán considerar el manejo de IA para desarrollar habilidades y conoci-
mientos sobre su uso, con el objetivo de generar aprendizajes que satisfagan
las necesidades de los alumnos.
93
El interés de las grandes compañías
relacionadas con la IA en la educación
Según el Centro Nacional de Estadísticas de la Educación (NCES), el gasto en

educación en Estados Unidos en 2022 fue de 813 mil 500 millones de dólares,
equivalente a un 3.6 por ciento (aproximadamente) de su PIB (NCES, 2023). Es,
sin duda, una cantidad considerable de dinero. Si una empresa pudiera be-
neficiarse con el uno por ciento de este capital, equivaldría a 8 mil millones
de dólares al año. Si consideramos esta hipótesis, no es de extrañar que gran-
des compañías tengan un enorme interés en desarrollar sistemas automáti-
cos de enseñanza; la IA incluye este aspecto dentro de sus objetivos. También
es posible que el interés de las empresas globales se extienda incluso a otros
países y, posiblemente, en un futuro todas las naciones estarán digitalizadas.
En un panorama hipotético donde las IA tuvieran capacidades lo sufi-
cientemente buenas para trasmitir conocimientos de manera eficaz, como
lo son los libros de texto, y que se pudieran desarrollar al mismo nivel de los
profesores, se podría plantear la creación de escuelas virtuales con enseñan-
za a distancia mediante un sistema de cobro. Esto no es nuevo, ya que desde
el siglo XIX ha habido cursos por correspondencia de diferentes áreas técni-
cas del conocimiento (electricidad, motores, cocina, manualidades, etc.). La
diferencia ahora sería la intención de dichas empresas de lograr un impacto
global y masivo.
A continuación, se plantean algunos cuestionamientos acerca del uso de
la IA en la educación:
1. ¿Qué pasaría con los profesores si son desplazados por máquinas?,

es decir, ¿qué harían estas personas, a qué se dedicarían de acuerdo
con su experiencia laboral?, ¿cuál sería la presión que ejercerían los
sindicatos sobre el gobierno?
2. Cuando la planta docente deje de percibir ingresos, ¿cómo se vería
afectada la economía global de la sociedad?, ¿qué pasará cuando los
ingresos se concentren en las manos de unos cuantos empresarios de
las tecnologías de la información?
3. ¿Qué pasará con los jóvenes que crezcan en un ambiente de aisla-
miento social?, ¿cómo se verá afectada esa posible generación vir-
tual? Con lo experimentado en la pandemia se podría plantear una
posible respuesta.
4. ¿Qué pasará con el consumo de energía eléctrica necesario para
atender la alta demanda de los servidores que se requerirían para
procesar los requerimientos de una IA internacional?, ¿se tendrá la
suficiente energía limpia necesaria para satisfacer estas demandas?
5. En cuanto a la pobreza y pobreza extrema, que cada vez es mayor a
nivel mundial (ONU, 2023), ¿cómo se podrá tener acceso a las IA si las
nuevas plataformas en desarrollo tendrán que ser pagadas a mane-
ra de streaming, como son ahora las plataformas de entretenimiento
como Netflix, Amazon Prime Video, Spotify, etc.?
6. ¿En qué proporción se afectaría el presupuesto de las grandes uni-
versidades e instituciones educativas con la implementación de la IA
dentro de sus planes de estudio a distancia?
7. Si los gobiernos aceptaran la IA como la forma estándar de enseñar,
¿quiénes serían los encargados de crear los nuevos planes de estudio
y cómo se adaptarían éstos a los diversos entornos socioeconómicos
de diferentes países en diferentes etapas de desarrollo?
Como podemos observar, muchos sectores de población de la mayo-

ría de los países quedarían en clara desventaja en cuanto al acceso a esta
educación; lamentablemente no es un escenario imposible. Ya que esto es
factible, hay que reconocer que la no socialización del conocimiento muy
probablemente tendrá un impacto negativo sobre los individuos, lo cual
podría generar, a su vez, comportamientos antisociales de sectores que no
encuentren oportunidades para integrarse al trabajo en la etapa laboral y
que no sean capaces de trabajar en equipo.
Si se justificara el empleo de la IA en la educación como una sustitución
parcial o total de las escuelas, no habría certeza de que los estudiantes ha-
yan adquirido las competencias relacionadas con la especialidad del nuevo
profesional; además, habría que hacer estudios acerca de si realmente dis-
minuirá la huella de carbono al sustituir la educación tradicional (por la
producción de libros, por ejemplo) por aquélla basada en IA.
En cuanto a quiénes realmente podrían tener acceso a la IA, es evidente
que sólo serán los que puedan costearla, ya sea de manera indirecta, por me-
dio de apoyos gubernamentales, o con dinero propio. Como comentaremos
más adelante, las empresas trasnacionales tienen diferentes planes econó-
micos, tanto para emplear sus herramientas de IA en diversas aplicaciones
empresariales, como para el empleo de chat bots inteligentes para la ense-
ñanza; éstos pueden ser muy bien adaptados en desarrollos web de páginas
virtuales educativas que son relativamente fáciles de programar en servido-
res como Azure, Glitch, etc. En resumen, todas estas aplicaciones tendrán
un costo y los más pobres y vulnerables difícilmente podrán pagarlo.
Cabe mencionar ahora, en línea con lo anterior, el objetivo 4 de la agen-
da 2030: “garantizar una educación inclusiva, equitativa y de calidad y pro-
mover oportunidades de aprendizaje durante toda la vida para todos”. Este
objetivo no está ni cerca de cumplirse, como puede verse, por ejemplo, en
Navarrete y López Hernández (2022); Lloyd (2020); Astudillo et al. (2020).
Ante lo planteado con anterioridad, es importante resaltar el impulso
que se le está dando a la IA en la automatización de la educación, expresado
de forma breve en los planteamientos de las siguientes empresas globales.
Google for Education

En la página web de Google for Education se ofrece una gama de produc-
tos que potencian la educación. La plataforma de Workspace for Education
cuenta con diversos productos gratuitos como:
95
• Google Classroom: una plataforma de aprendizaje en línea que per-
mite a los maestros crear y distribuir tareas, calificar trabajos y co-
municarse con los estudiantes.
• Google Search: un motor de búsqueda que permite encontrar infor-
mación sobre cualquier tema.
• Google Docs, Sheets y Slides: una suite de aplicaciones de produc-
tividad que permite crear y editar documentos, hojas de cálculo y
presentaciones.
• Google Translate: un servicio de traducción que permite comunicar-
se con personas de todo el mundo.
• Google Arts & Culture: una plataforma que hace posible explorar
obras de arte, artefactos y sitios históricos de todo el mundo.
• Google Expeditions: una plataforma de realidad aumentada para ex-
plorar lugares remotos y entornos virtuales.
Como se ha dicho, un ejemplo de los diversos productos gratuitos que

ofrece Google en los que se emplea la IA es Google Classroom, mismo que
realiza las siguientes actividades:
• Revisión automática de tareas: la IA se puede utilizar para revisar au-

tomáticamente las tareas de los estudiantes, lo que libera tiempo para
que los profesores se centren en otras diligencias.
• Adaptación del aprendizaje: realiza ajustes a las lecciones y tareas y
las vincula con las necesidades individuales de los estudiantes. Esto
se puede hacer mediante el establecimiento de diferentes niveles de
dificultad, tipos de actividades y de retroalimentación que se ofrecen.
• Seguimiento del progreso: utilizado para rastrear el progreso de los
estudiantes a lo largo del tiempo. Esto puede ayudar a los maestros a
identificar a quienes necesitan ayuda adicional y a proporcionarles el
apoyo que requieren.
• Identificación de estudiantes en riesgo: se puede utilizar para iden-
tificar a los educandos que están en riesgo de abandonar la escuela
o de tener problemas académicos. Esto puede ser funcional para los
profesores, pues proporciona una atención especializada orientada a
alcanzar los aprendizajes esperados establecidos en el currículo.
Como puede observarse, la IA puede emplearse de diferentes maneras

en las aplicaciones educativas de Google, pero el negocio de la empresa no
está enfocado en el empleo gratuito de las mismas, sino más bien en la venta
integral de sus servicios en forma de paquetes a instituciones educativas.
Es fácil obtener información más detallada de la compañía a través de su
equipo de ventas.
Microsoft Edge
Microsoft ha desarrollado el concepto de asistente virtual de la enseñan-
za por medio de su plataforma (servidor) de Open Azure AI Service, que
básicamente ofrece la posibilidad de utilizar un chat bot en cualquier apli-
cación web educativa que deseemos desarrollar en un servidor de Azure, a
través del pago de una tarifa mensual.
En la página de Microsoft se anuncia:
Explore nuevas oportunidades con la IA en la educación [y comenta el siguien-

te éxito con el ministro de educación de Arabia Saudita]: El futuro presenta
numerosas oportunidades y desafíos, y como ministro de Educación, esta-
mos ansiosos por aprovechar las oportunidades y enfrentar cualquier desafío.
Creemos que la integración de la IA en nuestro sistema educativo y el aprove-
chamiento de tecnologías modernas y de vanguardia es clave para mejorar la
calidad de la educación y equipar a nuestros futuros líderes con las habilidades
que necesitan para prosperar en un mundo en constante evolución. Nuestra
asociación con Microsoft para construir un tutor basado en IA es otro paso
en nuestros esfuerzos continuos para mejorar la experiencia de aprendizaje de
nuestros estudiantes. Continuaremos trabajando codo a codo con nuestros so-
cios para contribuir a impulsar el futuro de la educación (Microsoft, 2023: s/p).
Se puede observar cómo esta compañía ha llegado hasta la médula de

dicho país y ha convencido a sus gobernantes de que dirigirse hacia una
empresa privada (Microsoft) que vende educación automática por la IA
(y que, a propósito, vende ChatGPT-3.5), es una buena inversión para la edu-
cación pública. Es importante señalar que una inversión de esta naturaleza
no debería realizarse a la ligera, sino a partir de un análisis minucioso de
costo-beneficio social.
Un ejemplo de dicho análisis es el siguiente: supongamos que una laptop
con buena capacidad de procesamiento cuesta 16 mil pesos mexicanos; si
su tiempo de vida útil antes de volverse obsoleta es de cuatro años en pro-
medio, podríamos decir que emplearla implicaría un gasto aproximado de
4 mil pesos anuales, que dividido por 12 meses equivale aproximadamente
a 330 pesos mensuales. Si sumamos el consumo de energía que implica su
uso, supongamos, 30 pesos mensuales, el empleo de una laptop por persona
equivaldría aproximadamente a unos 360 pesos mensuales. Y si adicional-
mente a esto suponemos el costo aproximado de Internet —unos 300 pesos
mensuales más el costo de la suscripción para el empleo de la IA— estaría-
mos hablando de 350 pesos (considerando el precio actual del ChatGPT-4).
Entonces tenemos que el costo aproximado por tener el servicio de IA de
paga sería aproximadamente de unos 1000 pesos mensuales.
Si consideramos que, de acuerdo con el INEGI, menos de 78 por ciento de
los mexicanos gana más de 3 salarios mínimos (INEGI, 2023), es decir que apro-
ximadamente 78 por ciento de los mexicanos ganan entre 5 mil 550 y 15 mil
750 pesos mensuales; se tiene, de manera burda con este cálculo, que cerca de
80 por ciento de los mexicanos verían comprometidos sus ingresos entre un 6
y un 18 por ciento, lo cual, en nuestra opinión, es un incremento significativo
en el gasto de la mayoría de las familias mexicanas. El empleo de la IA en una
familia mexicana es equivalente al costo de la canasta básica de un individuo,
97
que según la región geográfica y de acuerdo con la Procuraduría Federal del
Consumidor, oscila entre 750 y 1 mil 100 pesos mensuales (Profeco, 2023). En
resumen, podríamos decir que para 80 por ciento de las familias mexicanas
usar la IA sería equivalente a adoptar a un miembro más en la familia.
Este simple ejercicio nos muestra que el acceso a este tipo de tecnologías
seguramente no estará al alcance de la mayoría de la población, por lo que
una inversión pública en este campo en un país con ingresos tan bajos como
México beneficiará sólo a un porcentaje bajo de la población, a las empresas
globales de la IA y, posiblemente, a la élite política encargada de negociar esto.
IBM Watson
Aquí presentamos un anuncio del Watson Education Classroom de IBM.
Watson Education Classroom está llevando la educación a la era cognitiva

transformando la experiencia de aprendizaje a través de la personalización. Las
soluciones cognitivas que entienden, razonan y aprenden ayudan a los educa-
dores a obtener percepciones sobre los estilos de aprendizaje, preferencias y
aptitudes de cada estudiante. Los resultados son trayectorias de aprendizaje
holísticas para cada alumno a lo largo de su viaje de aprendizaje de por vida.
Watson Education Classroom es una solución en la nube que ayuda a los maes-
tros a ofrecer un aprendizaje verdaderamente personalizado para mejorar los
resultados de los estudiantes. Con Watson Education Classroom, los maestros
obtienen los datos para comprender las necesidades de los estudiantes y per-
sonalizar las actividades de aprendizaje. Los maestros pueden buscar y com-
partir contenido educativo, incluyendo planes de lección, exámenes y hojas de
trabajo, todo con una interfaz intuitiva y centrada en el profesor (IBM, 2023).
Amazon Alexa
También Amazon está compitiendo por la industria de la educación. A tra-
vés de su empresa Amazon Web Services (AWS) ofrece un portal sobre edu-
cación en cuyo anuncio plantea:
Amazon Web Services (AWS) tiene la misión de acelerar la transformación

digital de la educación en colaboración con toda la comunidad educativa, in-
cluidos alumnos, educadores, administradores e investigadores. Más de 14 000
instituciones educativas, desde escuelas primarias y secundarias hasta la edu-
cación superior, utilizan AWS para proporcionar soluciones tecnológicas flexi-
bles y asequibles que respaldan su misión principal y cumplen con sus priori-
dades institucionales estratégicas. Tanto si desea optimizar las operaciones de
TI, fomentar el aprendizaje en línea, proteger la información de los estudiantes
o conectar los datos de los estudiantes, los servicios de computación en la nube
de AWS pueden ayudarle (Amazon, 2023: s/p).
Apple Siri
Este servicio de la empresa Apple promueve la venta de productos como
iPad o Mac para emplearlos con su plataforma digital, Siri Educational.
Aunque no pudimos confirmar que Siri ya utiliza IA, sí pudimos constatar
que muchas funciones de las tabletas y teléfonos celulares la emplean, por
lo tanto, aunque de manera indirecta, la IA está relacionada. En uno de sus
eslóganes mencionan:
Enseña. Innova. Inspira. De mil maneras.

Hoy en día, prácticamente no hacemos nada de la manera en que solíamos ha-
cerlo antes. Por eso la tecnología de Apple está pensada para innovar, darles
vida a nuevas ideas y desafiar todos los límites. La combinación de un hardware
potente y un software intuitivo permite que los profesores y el personal docente
creen mejores experiencias educativas para que los estudiantes exploren, apren-
dan e incluso cambien el mundo, estén donde estén (Apple, 2023: s/p).
Witty Education (Educational Institute Management software)

En la página web del School College Management Software (2023: s/p) se
anuncia: “Software basado en la web para escuelas, colegios y facultades
afiliadas a universidades nacionales. Automatiza los procesos del instituto
educativo, ahorra tiempo, recursos y mejora la calidad de los servicios”.
Plataformas de aprendizaje en línea de Pearson
Nuestras plataformas de aprendizaje digital y soluciones de cursos pueden ayu-

darte a personalizar experiencias de aprendizaje totalmente en línea y HyFlex, y
establecer conexiones significativas con tus estudiantes, sin importar tu nivel de
experiencia con el aprendizaje en línea o tu modelo de aula. Con una sólida base
en ciencia y diseño del aprendizaje, estas tecnologías inmersivas pueden ayudar-
te a involucrar a tus estudiantes en un nivel más profundo, obtener una visión de
su rendimiento y proporcionar la experiencia práctica que les permitirá aplicar
lo que han aprendido para obtener mejores resultados (Pearson, 2021: s/p).
Esta empresa también tiene una plataforma llamada K12 Digital, cien
por ciento en línea, en la que el estudiante, mediante el trabajo en conjun-
to con su profesor y el estudio independiente, puede cursar las asignaturas
de secundaria y bachillerato a partir de contenidos alineados a los progra-
mas de estudio de México. Aunque en estos temas no se confirma el empleo
de la IA, Pearson comenta que sí la utiliza en la enseñanza de idiomas, como
se establece a continuación:
Estamos en una misión para transformar el aprendizaje y la evaluación del in-

glés. Nuestro objetivo es eliminar el estrés, para que nuestros estudiantes pue-
dan alcanzar su máximo potencial. Para lograr esto, estamos aprovechando el
poder de la IA y expertos lingüísticos líderes en el mundo (Pearson, 2021, s/p).
Los servicios de Pearson no son gratuitos, pero aseguran que son más
económicos que las clases presenciales; tampoco pudimos detectar si entre-
gan títulos de secundaria y bachillerato validados por algún ministerio de
educación.
99
Promethean
Promethean es una empresa de pizarrones inteligentes que cuenta con un
software que hace que la experiencia didáctica sea más fácil a través de varios
programas integrados: Classflow y ActiveInspire. Este software tiene mu-
chas funciones didácticas y de organización de clases. También desarrollan
software basado en IA para la enseñanza (Promethean, 2023); a continua-
ción, mostramos unos de sus eslóganes:
Cuando piensas en IA, usarla en un aula puede que no sea lo primero que te
venga a la mente. Sin embargo, muchos educadores dicen que están dispuestos
a usar la IA para automatizar tareas administrativas diarias, como un asistente
virtual para la gestión del aula, o para ayudar a procesar datos.
Como con cualquier cosa innovadora, ciertos desafíos persisten. El papel,
las oportunidades y los desafíos de la IA en el panorama educativo actual y
futuro están en el aire, pero ten en cuenta que esta emocionante tecnología
ayuda a los administradores, maestros y expertos en TI a simplificar y agilizar
sus vidas cotidianas.
¿Has considerado la IA para tu aula? Descarga nuestro libro blanco gra-
tuito sobre IA para aprender sobre los usos, efectos y posibles controversias de
implementar la IA en tu currículo de enseñanza (Promethean, 2023, s/p).
Khan Academy
Es una plataforma educativa sin fines de lucro financiada por diferentes
empresas como Bank of America, College Board, Bill and Melinda Gates
Foundation y otros. Esta plataforma ofrece muchos cursos en línea, a nivel
de primaria, secundaria y bachillerato e incluso algunas materias básicas de
ciencias naturales e ingeniería.
En su página se puede observar que se ofrecen más de 50 diferentes cur-
sos que, gracias a la IA, se pueden traducir a diferentes idiomas; también
trabajan directamente con OpenAI, la compañía que creó ChatGPT, para
realizar clases interactivas tipo chat. Esta plataforma es reconocida y em-
pleada a nivel mundial, y se basa principalmente en explicaciones basadas
en videos. Se caracteriza por ser una empresa sin fines de lucro y se financia
mediante patrocinadores y donaciones.
Como puede observarse, hay un gran interés de las empresas monopóli-
cas de software, valoradas en cientos de miles de millones de dólares —como
Google, Microsft, Apple y Amazon— que no fueron creadas para educar,
pero que ahora ven en la educación global automática por medio de la IA
una gran oportunidad de incrementar sus ganancias. Desde nuestro punto
de vista esto no es necesariamente bueno, ya que, dado su poderío econó-
mico, pueden inducir a los gobiernos —y a las sociedades— a adoptar una
forma de enseñar por medio de chats inteligentes y que éstos se conviertan,
muy pronto, en parte de la vida cotidiana de un porcentaje de la población
mundial, sin que antes se haya hecho un análisis profundo de los impactos
que tendrá sobre las personas crecer con estas tecnologías.
Aunado a lo anterior, es importante señalar que el empleo rutinario de IA
nos permite intuir que la capacidad de interacción social de los individuos
podría verse reducida, debido a que no logren madurar adecuadamente o
desarrollar una buena capacidad de razonamiento matemático, físico, etc.4
Es decir, tendrán a la mano maneras simples de resolver problemas com-
plejos y esto podría obstruir o retrasar el desarrollo, tanto de habilidades
sociales como de competencias básicas de lectura, escritura y razonamiento
matemático.
Al contar con herramientas que brindan resultados de manera automá-
tica se podría generar una falta de capacidad de explorar nuevas respuestas,
y esto es peligroso, ya que muchas personas pueden quedar satisfechas con
la primera respuesta simple que obtengan acerca de su duda. Por otra parte,
si estas nuevas tecnologías tuvieran el éxito que se espera, la brecha entre los
más pobres y los que tengan acceso a este tipo de información será mayor,
dados los altos costos de su implementación.
Las políticas públicas para la educación de los nuevos individuos estarían
también en manos de compañías como las que se mencionaron en párrafos
anteriores; los planes de estudio serían globalizados y no específicos para
cada región, de manera que los valores humanos aprendidos en las escuelas
estarían en riesgo. Las ganancias por las ventas de computadoras, chips, etc.,
quedarían en manos de las grandes trasnacionales, cuyas sedes están en los
países desarrollados, lo cual haría que la brecha tecnológica respecto de los
países del Sur global sea cada día mayor, ya que el gasto público que hasta
ahora se ha destinado a pagar a los maestros, mantenimiento de escuelas,
etc., ahora estaría en manos de un monopolio industrial de software.
En cuanto a las opiniones expresadas aquí sobre estas grandes indus-
trias monopolizadoras, no consideramos a Pearson ni a Khan Academy, ya
que Pearson pareciera tener una visión diferente —de acuerdo con lo que
pudimos ver en su página— porque presenta una perspectiva más pedagó-
gica, integral y amplia. Era de esperar, dado que desde sus orígenes se fundó
como una empresa especializada en educar de manera autónoma por me-
dio de una brillante colección de libros. En cuanto a Khan Academy, parece
que está orientada a crear material educativo sin fines de lucro, es decir, ha-
cia el desarrollo formativo en lugar del empresarial.
Con base en lo anterior consideramos que, para un país como México, lo
más conveniente respecto del uso de la IA es realizar entrenamiento con gran-
des bases de datos, así como destinar recursos para desarrollo de hardware
y conocimientos especializados de software y de energía, por supuesto. Que
le apostemos a algo similar, o quizá más eficiente, pero más económico y de
mayor impacto en nuestra sociedad, como pudiera ser la creación de un plan
nacional de software educativo, diseñado por profesores y expertos en software
que laboran en las casas de estudio más importantes del país. Creemos que
si se propusiera una agenda que atendiera este proyecto, se le dotaría de los
4 En Países Bajos ha surgido un proyecto que prohíbe el uso de dispositivos electrónicos

en las aulas para evitar los problemas mencionados, aunque esta disposición todavía no
se encuentra en un rango legislativo (Armstrong, 2023).
101
recursos necesarios para crear y desarrollar la educación “automatizada” que
el país requiere. Hacemos esta propuesta porque consideramos que existen los
recursos humanos con los conocimientos que se requieren para desarrollar el
software necesario; tenemos catedráticos con el conocimiento adecuado para
elaborar material didáctico y las instituciones nacionales capaces de albergar
las páginas web a partir de las cuales se pueda descargar software educativo
que se ejecute en una PC, tableta o teléfono móvil. En pocas palabras, existen
en México los elementos necesarios para realizar esto; sólo falta una política
nacional capaz de encaminar un proyecto de tal magnitud.
Un ejemplo del avance del uso de la IA en escuelas de educación superior
en México es el caso de la Escuela Superior de Cómputo (Escom) del Ins-
tituto Politécnico Nacional (IPN), en donde se está desarrollando software
para la visualización 3D de problemas relacionados con la enseñanza de la
materia de análisis vectorial y física con apoyo de IA para la programación.
Es importante mencionar que las propuestas que se realicen deben par-
tir de orientaciones que puedan brindar los organismos internacionales re-
lacionadas con la equidad, la atención a la reducción de brechas sociales y el
apoyo a los más vulnerables, por lo que en el siguiente apartado se describen
las aportaciones de la UNESCO en materia de IA.
Políticas y pronunciamientos
de la UNESCO acerca de la IA
A lo largo del presente trabajo hemos expuesto un panorama del uso de la IA

en el contexto educativo y la manera en la que diversas empresas y platafor-
mas han logrado adentrarse en este proceso desde diferentes perspectivas al
proponer una serie de herramientas que sirven como apoyo a la enseñanza.
En vista de lo anterior, ahora habrá que dar cuenta de las políticas estableci-
das alrededor del tema.
Dado que la IA proporciona elementos para potencializar la enseñanza,
es importante señalar que, a su vez, presenta una serie de desafíos relaciona-
dos con la innovación de las prácticas de aprendizaje, el aceleramiento de la
consecución de los Objetivos de Desarrollo Sostenible (ODS) (ONU, 2023) y la
atención a las brechas digitales existentes, mismos que ponen en riesgo los
principios básicos de inclusión y equidad (UNESCO, 2019a); esta evolución
tecnológica conlleva desequilibrios que se deben prever para ser atendidos.
La UNESCO plantea que las IA deben desarrollarse a partir de un enfoque
centrado en el ser humano:
La UNESCO tiene como objetivo incluir el papel desempeñado por la IA en la

solución de las desigualdades actuales en materia de acceso al conocimiento, la
investigación y la diversidad de las experiencias culturales, y garantizar que la
IA no amplíe la brecha tecnológica dentro de los países y entre ellos. La prome-
sa de la “IA para todos” debe permitir que cada cual pueda sacar provecho de la
revolución tecnológica en curso y acceder a sus frutos, fundamentalmente en
términos de innovaciones y conocimientos (UNESCO, 2019a, s/p).
A partir del Consenso de Beijing celebrado en el año 2019, la UNESCO
propuso las pautas para el diseño, planteamiento y evaluación de las polí-
ticas educativas en materia de IA; para ello reconoce la complejidad de su
desarrollo y subraya que los lineamientos enunciados deberán retomar un
enfoque humanista, que dote a los individuos de valores y competencias
para “una colaboración eficaz entre el ser humano y la máquina en la vida,
el aprendizaje y el trabajo, para el desarrollo sostenible” (UNESCO, 2019b: 29).
Por tanto, la IA debe concebirse desde un enfoque ético, que esté en contra
de la discriminación, que favorezca la equidad, que impacte de manera po-
sitiva en la sociedad y que cuente con procesos de seguimiento y evaluación.
A partir del Consenso se propone que las políticas sobre IA deben tener en
cuenta una serie de factores que permitirán otorgar coherencia para su apli-
cación en todos los niveles formativos, ya que éstas tendrán un carácter multi-
disciplinario, relacionado con todos los niveles de gobierno. Es fundamental,
por lo tanto, tener presentes las fuentes de financiación para su aplicación.
Aunado a lo anterior, un aspecto que es importante resaltar —y que se ha
abordado con anterioridad en el desarrollo de este trabajo— es la vincula-
ción de la inteligencia artificial con la docencia, pues la UNESCO expone que,
si bien la IA ofrece oportunidades de apoyo a los docentes, no debe consi-
derarse como una sustitución de éstos: “la colaboración entre los docentes
y los educandos debe seguir ocupando un lugar esencial en la educación”
(UNESCO, 2019b: 31).
El uso ético, transparente y equitativo de la inteligencia artificial se pre-
senta también como un punto fundamental para el desarrollo de las polí-
ticas sociales, pues con ello se espera disminuir los sesgos presentes en la
población, regular la protección de datos, fomentar el acceso a todos los
educandos y adoptar estrategias que recaigan en la mejora educativa.
Por su parte, en el documento Inteligencia artificial y educación: guía
para las personas a cargo de formular políticas (UNESCO, 2021) se parte de la
consideración de que la implementación de la IA puede conducir a exacer-
bar las desigualdades existentes, y que es necesaria una regulación nacional
e internacional que conlleve a la atención de las cuestiones éticas para su
uso; en este sentido, propone una serie de medidas para promover su uso
equitativo con base en el intercambio de tecnología, programas y recursos
entre países.
De esta manera, el principio general de las políticas de IA y educación,
según la UNESCO, tendrá un enfoque humanista y estará orientado a “capa-
citar a las personas con los valores y habilidades necesarios para el desarro-
llo humano” (UNESCO, 2021: 39) en un entorno en donde se mejoren tanto las
habilidades y conocimientos del alumnado como del profesorado de forma
equitativa y transparente.
Así, las estrategias orientadas al uso equitativo, inclusivo y ético de la IA
deberán considerar el monitoreo de los programas establecidos mediante
objetivos que sean cuantificables y que planteen medidas que sirvan de apo-
yo a los grupos más vulnerables, teniendo en consideración a los estudian-
tes que poseen diferentes orígenes y capacidades (UNESCO, 2021).
103
Con base en las recomendaciones establecidas a partir del Consenso de
Beijing se puede afirmar que las políticas internacionales y nacionales deben
orientarse hacia el desarrollo de estrategias que garanticen el uso de la tec-
nología para beneficio de la humanidad, acorde con los intereses de los ciu-
dadanos. En este sentido, el primer acuerdo mundial sobre la ética respecto
de la IA —establecido en 2021— propone la protección y la promoción de los
derechos humanos y de la dignidad humana, dos preceptos fundamentales
para la configuración de mecanismos que se orienten a la inclusión de la IA
en los sistemas formativos.
En estos planteamientos de la UNESCO identificamos buenos deseos e in-
tenciones nobles, pero en las plataformas que pudimos revisar no las pudimos
identificar; por ejemplo, no se dice que una parte de las ganancias obtenidas a
partir de aplicar la IA en la educación serán destinadas a crear la infraestruc-
tura necesaria para instalar esta misma tecnología en las escuelas rurales y
más pobres del Sur global, como pudiera ser establecer comunicación sateli-
tal, con Starlink, o donar computadoras y enseñarle a los niños y niñas las co-
sas que existen en las sociedades económicamente avanzadas. Además, en los
planteamientos de las empresas no se deja claro si los beneficios de la IA modi-
ficarán los planes de estudio al grado que las personas desarrollarán mejores
competencias sobre su ámbito laboral, mejores habilidades cognitivas, etc.,
ya que es algo nuevo y no se sabe si el contacto prolongado con dispositivos
electrónicos, en vez de beneficiarnos, acabe por causar daños en nuestra capa-
cidad de atender y concentrarnos, como se ha observado en el uso prolongado
de celulares en los niños. En un estudio desarrollado por Lin et al. (2022), por
ejemplo, se encontró que el uso prolongado de estos dispositivos produjo una
disminución del volumen de materia gris del cerebro de niños y niñas, y que
se activó el área del cerebro relacionada con la ansiedad y la depresión.
Tampoco se ha considerado si los lineamientos de la UNESCO que hacen
referencia a una mayor inclusión de la IA (IA para todos) aluden a que los
gobiernos adquieran un mayor nivel de deuda para poder financiarla; como
se ha demostrado, los países con mayor deuda externa tendrán en un futuro
mayor inflación y tenderán hacia su catástrofe financiera.
En realidad, para el caso de México, no hay ningún estudio que demues-
tre que la IA, por sí misma, sea mejor para los alumnos y la sociedad que la
educación gratuita que ya existe actualmente. Lo que sí es cierto es que, dado
el elevado número de personas en el mundo que requerirá educación perma-
nente, esto representará un gran negocio para las empresas que plantean la
educación automática. Si cada vez más personas consideran como una nece-
sidad este tipo de educación, esto representará una oportunidad de negocio
importantísima para estas empresas; pero también es cierto que el desarro-
llo del software adecuado en la educación podría desarrollar otras capacida-
des para facilitar la enseñanza en la educación tradicional y complementarla.
Ésta podría ser una oportunidad innovadora, mas no imprescindible.
Es importante resaltar que los desarrollos web en educación son muy
importantes para los profesores, ya que gracias a ellos pudimos salir adelan-
te durante la pandemia de COVID-19; y que son herramientas indispensables
cuando se trabaja a distancia. La relevancia de estas aplicaciones en ningún
momento se ha puesto en duda; lo que se debate es hasta qué punto necesi-
tamos una enseñanza automática generada por la IA, y cuál será el futuro de
nuestra sociedad con el desarrollo de esta nueva tecnología.
Por último, observamos que la mayoría de las empresas que ofrecen
educación automática únicamente abarcan planes de estudios de enseñan-
za básica y no ofrecen carreras sobre tecnología de punta, como podrían ser
ingeniería en inteligencia artificial o ingeniería en robótica y desarrollo de
microprocesadores, que es un campo con mayor impacto económico sobre
las naciones y también un mayor desafío.
Conclusiones
De acuerdo a nuestras observaciones, creemos que la aplicación de la IA en

la educación automática es un campo que apenas comienza, pero que tiene
un gran potencial de desarrollo y que, en un futuro, podrá realizar muchas
de las tareas básicas que hace un profesor, como resolver problemas mate-
máticos sencillos, crear software sin tener que ser un experto en lenguaje de
programación, ayudar en los trabajos de traducción y redacción, así como
apoyar en la revisión de tareas y retroalimentación, entre otros. Pero a corto
o mediano plazo no podrá sustituir los valores, vínculos y relaciones que
son necesarias en la formación humana.
No se sabe si la enseñanza automática desde la edad temprana tendrá
alguna consecuencia a largo plazo sobre el cerebro de las personas, ni se co-
nocen sus posibles efectos adversos en la salud. Se debe tener cuidado a la
hora de realizar un contrato público con alguna de las grandes empresas
trasnacionales de tecnología, ya que la enseñanza automática es una forma
diferente de enseñar, que emplea diferentes herramientas didácticas, etc., lo
cual no significa que sea mejor. Lo más fácil no siempre es lo mejor; lo más
probable es que sea complementaria.
La enseñanza automática por inteligencia artificial no resuelve el proble-
ma de la inclusión a la educación ni garantiza la educación para todas y to-
dos, como pudimos ver en el ejercicio que hicimos según el cual el costo por
persona para acceder a esta tecnología podría ser alrededor de los 700 pesos
mensuales. Si lo escalamos a un aula de 30 estudiantes estaríamos hablando
de un costo de más de 20 mil pesos, que suele estar por encima del sueldo de
un maestro promedio de educación básica y que no estaría al alcance de la
mayoría de las personas de nuestro país. Existen formas más económicas de
automatizar el aprendizaje, por ejemplo, el desarrollo especializado en áreas
específicas del conocimiento realizado a través de las instituciones públicas.
105
Referencias
Armstrong, Kathryn (2023, 5 de julio), “Países Bajos anuncia que prohibirá el uso del
celular en las salas de clase”, BBC News Mundo, en: https://www.bbc.com/mun-
do/articles/cxxexe 01gxzo (consulta: 10 de agosto de 2023).
“Artificial Intelligence in Classrooms” (2023), Promethean, en: https://www.pro-
metheanworld.com/resource-center/guides/artificial-intelligence-in-clas-
srooms/ (consulta: 8 de agosto de 2023).
Astudillo Torres, Martha Patricia, Florlenis Chévez Ponce y Yesenia Oviedo Vargas
(2020), “La exclusión social y las tecnologías de la información y la comunica-
ción: una visión estadística de su relación en la educación superior”, LiminaR,
vol. 18, núm. 1. DOI: https://doi.org/10.29043/liminar.v18i1.721
Bishop, Christopher M. (2006), Pattern Recognition and Machine Learning, Nueva
York, Springer.
“Computación en la nube de AWS para la educación” (2023), Amazon, en: https://
aws.amazon.com/es/education/?wwps-cards.sort-by=item.additionalFields.
sortDate&wwps-cards.sort-order=desc (consulta: 12 de agosto de 2023).
“Educación superior” (2023), Apple, en: https://www.apple.com/mx/education/higher-
education/ (consulta: 12 de agosto de 2023).
“Explorar nuevas oportunidades con la IA en la educación” (2023), Microsoft, en: https://
news.microsoft.com/es-xl/explorar-nuevas-oportunidades-con-la-ia-en-la-
educacion/ (consulta: 9 de agosto de 2023).
Instituto Nacional de Estadística y Geografía (INEGI) (2023), “Ocupación. Población
ocupada según nivel de ingreso, nacional trimestral”, México, INEGI, en:
https://www.inegi.org.mx/app/tabulados/default.html?nc= 602 (consulta: 13 de
agosto de 2023).
Jurafsky, Daniel y James Martin (2023), Speech and Language Processing, Londres,
Pearson Education.
Lin, Hsiu-Man, Yu-Tzu Chang, Meng-Hsiang Chen, Shu-Tsen Lui, Bo-Shen Chen, Lin
Li, Chiao-Yu Lee, Yu-Ru Sue, Tsai-Mei Sung, Cheuk-Kwan Sun y Pin-Yang Yeh
(2022), “Structural and Functional Neural Correlates in Individuals with Ex-
cessive Smartphone Use: A systematic review and meta-analysis”, International
Journal of Environmental Research and Public Health, vol. 19, núm. 23. DOI:
https://doi.org/10.3390/ijerph192316277
Lloyd, Marion (2020), “Desigualdades educativas y la brecha digital en tiempos de
COVID-19”, en Hugo Casanova (coord.), Educación y pandemia: una visión aca-
démica, México, UNAM-IISUE , pp. 115-121.
McCarthy, John (2007), “What is Artificial Intelligence?”, Stanford University, en:
https://www-formal.stanford.edu/jmc/whatisai.pdf (consulta: 24 de julio de
2023).
Minsky, Marvin (2006), The Emotion Machine: Commonsense thinking, artificial intel-
ligence, and the future of the human mind, Nueva York, Simon and Schuster.
Naciones Unidas (ONU) (2023), Objetivos de desarrollo sostenible, París, UNESCO, en:
https://www.un.org/sustainabledevelopment/es/poverty/#:~:text=M% C3%
A1s%20 de%20700%20millones%20 de,y%20 saneamiento%2C%20 por%20nom-
brar%20algunas (consulta: 8 de agosto de 2023).
Navarrete, Zaira y Paola Andrea López (2022), “La telesecundaria en México”, Per-
files Educativos, vol. 44, núm. 178, pp. 63-78. DOI: https://doi.org/10.22201/
iisue.24486167e.2022.178.60673
Negnevitsky, Michael (2022), Artificial Intelligence: A guide to intelligent systems, Lon-
dres, Pearson Education.
Nilsson, Nils J. (1998), Artificial Intelligence: A new synthesis, Reading, Massachusetts,
Addison–Wesley. DOI: https://doi.org/10.1016/C2009- 0 -27773-7
“Pearson Digital Hub: la plataforma que tu escuela necesita” (2021), Pearson, en: https://
blog.pearsonlatam.com/educacion-del-futuro/plataforma-pearson-digital-
hub (consulta: 12 de agosto de 2023).
Procuraduría Federal del Consumidor (Profeco) (2023), Quién es quién en los precios,
en: https://www.profeco.gob.mx/precios/canasta/qqpc.php (consulta: 8 de
agosto de 2023).
“Reasoning” (2023), Association for Automated Reasoning, en: https://aarinc.org/ (con-
sulta: 6 de agosto de 2023).
Russell, Stuart y Peter Norvig (2010), Artificial Intelligence: A modern approach, New
Jersey, Pearson Education.
“School College Management Software” (2023), Educational Institute Management
Software, en: https://wittyems.com/school-college-management-software-in-
bd (consulta: 12 de agosto de 2023).
Simonson, Michael, Sharon Smaldino y Susan Zvacek (2019), Teaching and Learn-
ing at a Distance. Foundations of distance education, EUA, Information Age
Publishing.
Szeliski, Richard (2022), Computer Vision: Algorithms and applications, Nueva York,
Springer.
UNESCO (2019a), “La inteligencia artificial en la educación”, en: https://www.unesco.
org/es/digital-education/artificial-intelligence (consulta: 9 de agosto de 2023).
UNESCO (2019b), Beijing Consensus on Artificial Intelligence and Education, Beijing,
UNESCO, en: https://unesdoc.unesco.org/ark:/48223/pf 0000368303 (consulta: 11
de agosto de 2023).
UNESCO (2021), Inteligencia artificial y educación. Guía para las personas a cargo de
formular políticas, París, UNESCO, en: https://unesdoc.unesco.org/ark:/48223/
pf0000379376 (consulta: 12 de agosto de 2023).
“Watson Education Classroom” (2023), IBM, en: https://www.ibm.com/mysupport/s/
topic/0TO50000000Qei8GAC/watson-education-classroom?language=es (con-
sulta: 10 de agosto de 2023).
107
NORMAS PARA LA PRESENTACIÓN DE COLABORACIONES
publica cuatro números al año 6. Todas las siglas deberán estar desatadas y explici-
con los resultados más recientes de la investigación tadas, al menos la primera vez que aparezcan.
sobre los distintos aspectos de la educación. Su línea 7. Los artículos deberán incluir sólo referencias bi-
editorial da cabida a los diferentes tipos de indaga-
ción, pues considera que las ciencias de la educación deben asegurarse de que las fuentes a las que se
se han constituido en un campo inter y pluridiscipli- aluda en el texto y en las notas al pie de página
nario. La educación es un campo de conocimiento
y también un ámbito de intervención, por lo que se en el apartado de referencias.
publican resultados de investigaciones con referentes 8.
teóricos o empíricos, así como desarrollos teóricos y utilizará la forma entre paréntesis (por ejemplo:
reportes de experiencias educativas acompañados de Martínez, 1986/ Martínez, 1986: 125). En el caso
una fundamentación conceptual. de tres o más autores/as se sintetizará con et al.
es una revista de intercambio y (por ejemplo: Martínez et al., 1986: 125); sin em-
debate abierta a todos los interesados en la investigación bargo, sus nombres completos deberán aparecer
educativa. Tiene un carácter plural en cuanto al recono-
cimiento de las diversas disciplinas de las ciencias de la 9. -
educación, como en lo referente a la perspectiva teórica cer por orden alfabético, como bibliografía.
y metodológica adoptada por cada investigador, siem- Ejemplos del estilo utilizado:
Para libros: ALVARADO, Lourdes (2009), La po-
Está dirigida a investigadores, tomadores de decisiones, lémica en torno a la idea de universidad en el siglo
especialistas y estudiantes de grado y posgrado relacio- XIX, México, IISUE-UNAM.
nados con el campo educativo. Si se trata de un capítulo de libro en colaboración:
BAUDOUIN, Jean-Michel (2009), “Enfoque
1. Las colaboraciones deberán ser artículos origi- -
nales e inéditos. Para la sección Claves: artículos nes colectivas del acompañamiento”, en Patricia
de investigación, de carácter teórico o empírico, Ducoing (coord.), Tutoría y mediación, México,
con una metodología aplicada al estudio; para la IISUE-UNAM/Afirse, vol. 1, pp. 31-55.
sección Horizontes: avances de investigación, de- Para artículos: FUENTES Monsalves, Liliana
sarrollos teóricos, aportes de discusión y debate o (2009), “Diagnóstico de comprensión lectora en
reportes de experiencias educativas; y para la sec- educación básica en Villarica y Loncoche, Chile”,
ción Reseñas: reseñas temáticas y de libros. , vol. 31, núm. 125, pp. 23 -37.
2. Los originales deberán presentarse en versión elec- Para páginas web: ORDORIKA, Imanol y Roberto
trónica y tendrán una extensión de entre 20 y 30 Rodríguez (2010), “El ranking Times en el mercado
cuartillas (estándar: Times de 12 puntos, interlinea- de prestigio universitario”, Perfiles Educativos, vol. 32,
do 1.5, con 27-28 líneas, 2000 caracteres sin espacios núm. 129, pp. 8-29, en http://www.iisue.unam.
por cuartilla), esto es, entre 7000 y 10,500 palabras mx/seccion/perfiles (consulta: fecha).
- 10. Los trabajos se someterán a un proceso de dicta-
señas serán de publicaciones recientes en educación men donde se conservará el anonimato de quienes
y constarán de 6 a 10 cuartillas (de 2,100 a 3,500 pala- realizan el arbitraje, así como de los autores y au-
bras). No se aceptarán trabajos que no cumplan con toras, a quienes se les dará a conocer el resultado
los mínimos y máximos establecidos. de la dictaminación.
3. En el artículo deberá incluirse un resumen de en- 11. Los autores se comprometen a no someter a
tre 100 y 150 palabras, además de cinco a siete pa- ninguna otra revista su artículo a menos que
labras clave, tomando como base el “Vocabulario decline expresamente su
Controlado del IRESIE”, el cual puede consultarse publicación. Al aprobarse la publicación de su
en la página: www.iisue.unam.mx. El título del artículo, ceden automáticamente los derechos
artículo deberá ser lo más breve y sintético posi- patrimoniales de éste a la UNAM y autorizan
ble. Deberá incluirse también el nombre de los su publicación a Perfiles Educativos en cual-
autores y/o autoras del trabajo, grado académico, quiera de sus soportes y espacios de difusión.
institución, cargo que desempeñan, temas que tra- La revista permitirá la reproducción parcial o
bajan y correo electrónico, así como el título de total, sin fines de lucro, de los textos publica-
dos publicaciones que deseen dar a conocer. dos, siempre y cuando se obtenga autorización
4. Las notas del aparato crítico deberán ser lo más previa por parte del editor y el autor, y que en
- la reproducción se explicite que dicho artícu-
nal del artículo. No deberán consistir únicamente lo ha sido publicado originalmente en Perfiles
Educativos.
5. Los cuadros e ilustraciones deberán utilizarse 12. En la edición del artículo se pueden hacer las mo-
sólo en la medida en que sean necesarios para el
desarrollo y comprensión del texto. Deberán es- políticas editoriales de la revista, consultándolo
tar acompañados de la palabra “cuadro”, “tabla” previamente con el autor o la autora.
13. El envío de originales deberá realizarse mediante
siempre su fuente. Los cuadros y tablas deberán la plataforma OJS: http://bit.ly/2jy8ZaZ
presentarse en formato de texto, no como imagen.

4519 299 PB

Cargado por

Copyright:

Formatos disponibles

4519 299 PB

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

4519 299 PB

Cargado por

Copyright:

Formatos disponibles

TERCERA ÉPOCA VOLUMEN XLV NÚMERO ESPECIAL 2023

Mauricio Andión y Diana I. Cárdenas

Melchor Sánchez y Erik Carbajal

Zaira Navarrete-Cazales y Héctor M. Manzanilla-Granados

Editora: Gabriela Arévalo Guízar

© 2023, Instituto de Investigaciones sobre la Universidad y la Educación (IISUE)

Ernesto Treviño Ronzón 24

Mauricio Andión Gamboa y Diana Irene Cárdenas Presa 56

Melchor Sánchez Mendiola y Erik Carbajal Degante 70

Zaira Navarrete-Cazales y Héctor Manuel Manzanilla-Granados 87

Cuántos de nosotros crecimos leyendo novelas de ciencia ficción. Con cada

Perfiles Educativos | vol. XLV, número especial, 2023| IISUE-UNAM 3

Gabriela de la Cruz Flores

Armando Alcántara Santuario*

Aunque los primeros desarrollos de la inteligencia artificial (IA) habían co-

Perfiles Educativos | vol. XLV, número especial, 2023| IISUE-UNAM 5

La irrupción de la inteligencia artificial (IA) se ana- Palabras clave

Perfiles Educativos | vol. XLV, número especial, 2023| IISUE-UNAM 9

Cuadro 1. Articulaciones entre hombres y máquinas

La nueva agenda de la IA en educación

El campo de la inteligencia artificial nació en 1956, cuando un pequeño grupo

La economía de la inteligencia artificial

La inteligencia artificial (AI) es la máquina-herramienta que ya está impul-

La educación programada y la inteligencia artificial

La IA contribuirá a instrumentalizar la enseñanza programada, planteada

La construcción de una educación personalizada que responda y se ajuste

Este artículo presenta un conjunto de reflexiones Palabras clave

24 Perfiles Educativos | vol. XLV, número especial, 2023| IISUE-UNAM

La rica historia de la educación está marcada por una multiplicidad de

Retos conceptuales para entender la inteligencia

En este documento la inteligencia artificial es al mismo tiempo un significan-

Tecnología digital y educación:

Dar cuenta de las implicaciones de la inteligencia artificial para la educa-

Olas de apropiación socioeducativa de la tecnología

La educación frente al nuevo mundo digital

Para que los actuales desarrollos de IA funcionen adecuadamente es nece-

Así, pensar en las posibilidades de la IA para la educación requiere asu-

Cotidianamente, miles de personas participan en el circuito de producción y

En este ensayo se exploran algunas ideas para re- Palabras clave

Perfiles Educativos | vol. XLV, número especial, 2023| IISUE-UNAM 43

La diversidad de respuestas a esta pregunta puede ser inimaginable. Aun-

¿Esperanza o temor ante la inteligencia artificial?

Cotidianamente convivimos con asistentes virtuales como Siri, Alexa o

¿La inteligencia artificial reemplazará al profesorado?

Como se ha señalado previamente, las tecnologías han ocasionado trans-

Un análisis filosófico de lo que se da en el ciberespacio yendo hacia una her-

Así que, lo queramos o no, “la IA modelará nuestra forma de percibir,

…es obligatorio conocer la historia oficial de la IA para poder comenzar a in-

Algunas personas expertas subrayan que la IA puede ayudar a alcanzar

• Planificar la IA en las políticas educativas.

En este planteamiento, el profesorado es el núcleo. A este agente se le

…el problema no es la herramienta, sino que la humanizamos demasiado. En-

En segundo lugar, la tecnología no es gratuita porque representa —in-

…las plataformas digitales de Google en educación se sostienen como nuevos

En el entendido de que la innovación tecnológica transforma los cimientos

¿Qué lugar tiene la agencia de los sujetos

De acuerdo con Anthony Giddens (1998), la agencia refiere a la capacidad

¿Cuáles son los mecanismos para

El informe del índice de IA de 2023 del Instituto de Stanford para la IA centrada