Inés Rodríguez
Nov 21, 2026 ·

Una realidad que ya está en las aulas


Nuestro alumnado usa la inteligencia artificial a diario. La usa para resumir lecturas, traducir, redactar, resolver ejercicios o preparar exámenes, con o sin permiso, y casi siempre sin que nadie le haya enseñado a hacerlo bien. No es una previsión: es lo que cualquier docente comprueba cada semana.
Las universidades han empezado a reaccionar. Hay directrices, códigos de buenas prácticas, licencias institucionales y anuncios de planes estratégicos. Son pasos necesarios, pero en su mayoría parten de una pregunta defensiva: cómo evitar riesgos. Pocas veces parten de la pregunta pedagógica de fondo: qué tiene que aprender hoy un estudiante cuando existe una máquina que redacta, resume y traduce.
En este artículo defiendo que la IA no exige solo nuevas normas de uso, sino un cambio de paradigma en la manera de enseñar y de evaluar. Ese cambio no puede recaer en cada docente por separado. Necesita decisiones de los equipos de gobierno de las universidades, de la CRUE, de los ministerios y de quienes diseñan los planes de estudio.
Qué se está haciendo
En los últimos meses se han multiplicado las iniciativas, en todos los niveles:

NivelQué se ha hecho o anunciado
Unión EuropeaEl Reglamento europeo de IA obliga desde el 2 de febrero de 2025 a quienes usan sistemas de IA a garantizar la alfabetización en IA de su personal. Las universidades están incluidas.
MinisterioEn abril de 2026 el secretario general de Universidades anunció un real decreto de enseñanzas universitarias con un artículo sobre IA: cada universidad deberá tener un código ético de uso. Serán principios, no una regulación detallada.
CRUELa Sectorial de Docencia concluyó en marzo de 2026 que la IA obliga a rediseñar la enseñanza y la evaluación, y pidió formación del profesorado y evitar nuevas desigualdades.
Universitat de ValènciaDirectrices orientativas para PDI y PTGAS, un código de buenas prácticas para docencia y evaluación, Google Workspace for Education con Gemini, un modelo propio en servidores de la Universitat y un delegado para la IA y el Gobierno del Dato.



Todo ello va en la buena dirección. El código de la UV, por ejemplo, acierta en lo esencial: usar la IA no es por sí mismo una falta si se declara, y los detectores son solo indicios, nunca pruebas. La propia CRUE reconoce ya que el reto no es tecnológico, sino docente.

Lo que todavía falta

El problema no está en lo que dicen estos documentos, sino en lo que dejan fuera. Veo cuatro carencias.

  • Se mira la IA desde la tecnología y el riesgo. Las directrices suelen nacer en los servicios de transformación digital y se centran en qué datos no subir y qué herramientas están autorizadas. Es imprescindible, pero no responde a lo que ocurre en el aula.
  • La decisión recae en cada docente. Los códigos piden que cada profesor indique si la IA está permitida, restringida o prohibida en su asignatura, y que compruebe la autoría con declaraciones, borradores o defensas orales. Sin criterios comunes por titulación, el alumnado recibe mensajes contradictorios de una asignatura a otra.
  • El rediseño no se reconoce. Replantear actividades y evaluaciones, hacer más seguimiento individual y más pruebas orales lleva mucho tiempo. Ese trabajo no aparece en la planificación docente ni en los criterios de evaluación del profesorado.
  • El alumnado aparece como riesgo, no como aprendiz. Se regula lo que no debe hacer, pero apenas se dice qué debe aprender a hacer con la IA ni quién se lo enseña. Mientras tanto, lo aprende solo, por ensayo y error, y con desigualdades: no todos pueden pagar las versiones más avanzadas.

Lo que hemos aprendido desde la innovación docente


En SLATES llevamos catorce años explorando metodologías activas y tecnologías emergentes con profesorado de una decena de universidades de España, Italia, Países Bajos y América Latina. Antes de la IA generativa pasamos por los mundos virtuales, donde descubrimos algo que hoy sigue vigente: aprender no tiene por qué ser solitario ni aburrido, y la implicación emocional mejora el aprendizaje.


Un ejemplo concreto. En la asignatura de teatro italiano, el alumnado estudiaba la Commedia dell’Arte y presentaba un trabajo escrito y una exposición. Los resultados eran pobres. Desde el curso 2024-2025, cada estudiante investiga a una figura de los siglos XVI y XVII y la entrevista mediante una simulación con IA. Para formular buenas preguntas tiene que documentarse; para valorar las respuestas tiene que contrastarlas con las fuentes y detectar errores y anacronismos. Después reflexiona por escrito sobre el proceso. Aprenden más, saben explicarlo y, sobre todo, viven un aprendizaje de los contenidos de la asignatura que es activo, investigador, creativo y motivador.


De esta y otras experiencias extraigo cuatro ideas:

  1. La IA funciona cuando la actividad está bien diseñada. No se trata de añadir una herramienta, sino de pensar qué aprendizaje queremos y cómo puede ayudar la IA a conseguirlo. Usada como interlocutor socrático, que pregunta y obliga a pensar, ayuda; usada como atajo, sustituye el aprendizaje.
  2. El pensamiento crítico se entrena contrastando. La crítica de fuentes, la contextualización y la lectura atenta, competencias que las Humanidades cultivan desde siempre, son justo las que necesita quien usa la IA. La IA se puede equivocar por lo que verificar sus respuestas es otro ejercicio para aplicar conocimientos aprendidos.
  3. La IA puede ser un tutor, no un sustituto. El alumnado suele usarla para que le haga el trabajo, de esa manera está desaprovechando el potencial de la IA y destruyendo el objetivo del estudiante: aprender. Bien orientada, en cambio, puede funcionar como un profesor particular: le resuelve dudas, le propone ejercicios y le hace reflexionar sobre los temas de estudio. Enseñarle a usarla así también es tarea nuestra.
  4. La reflexión metacognitiva es el verdadero resultado. Cuando el alumnado explica cómo ha usado la IA, qué ha corregido y qué ha aprendido, la herramienta deja de ser una caja negra y se convierte en objeto de aprendizaje.


Nada de esto se improvisa. Requiere tiempo, formación y trabajo en equipo, que es precisamente lo que las instituciones deberían facilitar.

Qué deberían impulsar los equipos de gobierno

Un cambio de paradigma no se decreta, pero sí se puede facilitar. Estas son las medidas que considero prioritarias en cada nivel.


Las universidades

  • Una estrategia docente, no solo tecnológica. Los vicerrectorados de estudios, de innovación educativa y de profesorado deben liderar la estrategia de IA junto a los de transformación digital.
  • Criterios comunes por titulación. Cada grado y máster debería integrar la IA en lugar de prohibirla y acordar qué usos se esperan, cómo se declaran y cómo se evalúan, para que el alumnado no reciba mensajes contradictorios. Esos criterios deben nacer del conocimiento de la IA, no de la ignorancia ni del temor a la tecnología en general y a la IA en particular.
  • Tomar conciencia de que hay que rediseñar, no prohibir. Muchos docentes todavía no se han replanteado las tareas y trabajos que piden para completar la nota, y no se dan cuenta de que ya no los hace el estudiante. Una colega se quejaba del bajo nivel de su grupo y de la asistencia irregular a clase; poco después me contó, entusiasmada, que los trabajos entregados eran de muchísimo nivel. Es lo que les sucede a quienes piensan que la IA no tiene que ver con ellos. Todavía hay muchos colegas que se preguntan cómo evitar que el alumnado use la IA, aunque ya prohíben los dispositivos en el aula, y reclaman medidas aún más restrictivas. Pero la IA ha llegado para quedarse, y hay que adaptar a ella la enseñanza y la evaluación. Prohibir no es la solución; tampoco lo es desentenderse de la IA ni volver al papel y al lápiz como única respuesta. Las universidades deben impulsar esa toma de conciencia antes de pedir cualquier cambio.
  • Reconocimiento del rediseño. Rehacer actividades y evaluaciones debe contar en la planificación docente y en la evaluación de la actividad del profesorado.
  • Formación real, suficiente y compatible con la docencia. Formación adaptada a cada disciplina y basada en experiencias de aula, no solo en el manejo de herramientas. Hoy la oferta es claramente insuficiente: cursos de 20 a 30 plazas en los que es casi imposible ser admitido y que, aunque se multiplicaran, no cubrirían las necesidades reales de una universidad grande. Además, el horario laboral del profesorado es, sobre todo, horario de clase. Hacen falta muchas más plazas y formatos flexibles: en línea, asincrónicos y en los propios centros y departamentos.
  • Herramientas para todos, y que se sepa. Licencias institucionales para profesorado y alumnado, para que nadie dependa de lo que pueda pagar ni suba datos a servicios sin garantías. Pero es fundamental informar y difundir: de poco sirven unas herramientas que buena parte de la comunidad no sabe que tiene.
  • Apoyo a la innovación, con criterios de calidad. Convocatorias específicas de proyectos sobre IA y docencia, y espacios para que los grupos de innovación compartan lo que funciona. Pero apoyar no es aprobarlo todo. Cuando se conceden casi todos los proyectos solicitados, con financiación escasa, criterios sobre subvenciones que cambian de un año a otro y propuestas que no son realmente innovadoras, la innovación de verdad pierde valor y deja de ser reconocida como tal. Mejor menos proyectos, bien evaluados y bien financiados.


La CRUE

  • Un marco común de competencias en IA para el alumnado universitario, que las universidades puedan adaptar sin partir de cero.
  • Un repositorio compartido de buenas prácticas docentes con IA, por áreas de conocimiento, con experiencias evaluadas.
  • Negociación conjunta de licencias, para que todas las universidades accedan a herramientas avanzadas en igualdad de condiciones.


Los ministerios y las agencias de calidad

  • Un real decreto que vaya más allá del código ético. Además de regular el uso, debe impulsar la alfabetización en IA del alumnado y del profesorado, tal como pide el Reglamento europeo, y dotarla de financiación.
  • Agencias de evaluación que acompañen. ANECA y las agencias autonómicas deberían valorar en la verificación de títulos y en la evaluación del profesorado la innovación docente con IA, y fijar criterios claros sobre su uso declarado en la investigación.
  • Investigación sobre el impacto real. Financiar estudios sobre cómo afecta la IA al aprendizaje, para decidir con datos y no solo con intuiciones.


Los planes de estudio

  • La alfabetización crítica en IA como competencia transversal en todos los grados desde primer curso: cómo funcionan estos sistemas, sus límites, sus sesgos y su uso ético.
  • Una evaluación que valore el proceso, con más trabajo en el aula, pruebas orales, borradores y reflexión sobre cómo se ha llegado al resultado.
  • TFG y TFM actualizados, con normas claras sobre el uso declarado de la IA y su defensa oral como garantía de autoría.


Qué gana el alumnado


Un uso ético y didáctico de la IA no es una concesión a la moda: beneficia directamente al estudiante.

  • Aprende a pensar con la IA, no a dejar de pensar. Cuando la actividad le obliga a preguntar, contrastar y corregir, la IA se convierte en un estímulo para el razonamiento propio.
  • Desarrolla pensamiento crítico. Detectar errores, sesgos e información inventada es una competencia que necesitará en cualquier profesión y como ciudadano.
  • Recibe apoyo personalizado. Bien orientada, la IA puede explicar de otra manera, proponer ejercicios o dar una primera retroalimentación, sin sustituir al docente.
  • Se implica y disfruta aprendiendo. Actividades como entrevistar a un personaje histórico convierten el estudio en una experiencia participativa y emocional, y lo aprendido se recuerda mejor.
  • Gana en equidad. Si la universidad ofrece herramientas y formación a todos, la ventaja deja de depender de quién puede pagar una suscripción o de quién ha aprendido por su cuenta.
  • Se prepara para el mundo laboral. Saber usar la IA con criterio, declararlo con honestidad y responsabilizarse del resultado será una exigencia profesional.
  • Se le evalúa con justicia. Unas reglas claras y comunes le dan seguridad y le protegen de sospechas basadas en detectores poco fiables.

Del miedo a la oportunidad


La cautela es razonable cuando se trata de proteger datos o de evitar que una máquina decida sobre personas. Pero la cautela no puede convertirse en espera. Cada curso que pasa sin rediseñar la docencia, el alumnado sigue usando la IA por su cuenta, sin criterio y con desigualdades.
El cambio de paradigma consiste en dejar de preguntarnos cómo impedir que el alumnado use la IA y empezar a preguntarnos qué aprendizajes queremos que consiga con ella y a pesar de ella. Los grupos de innovación llevamos tiempo explorando respuestas. Ahora hace falta que las instituciones las conviertan en realidad.

Fuentes


• Reglamento europeo de IA, artículo 4: alfabetización en IA
• UNIR: García Pascual anuncia la obligación de un código ético para el uso de la IA (15/04/2026)
• Valencia Plaza: el Gobierno prepara un RD que regulará el uso de la IA en el aula (14/04/2026)
• CRUE-Docencia: conclusiones de la mesa redonda sobre IA en la docencia universitaria (marzo de 2026)
• Universitat de València: directrices para un uso responsable de la IA
• Universitat de València: código de buenas prácticas sobre IA en docencia y evaluación