La inteligencia artificial en la educación (a menudo abreviada como IAEd) es un subcampo de la tecnología educativa que estudia cómo utilizar la inteligencia artificial (IA) para crear entornos de aprendizaje. El campo se basa en la informática, la educación y la psicología para diseñar sistemas que apoyen la enseñanza y el aprendizaje, abarcando desde la instrucción temprana basada en computadoras hasta los chatbots modernos de modelos de lenguaje de gran tamaño (LLM). Las consideraciones clave incluyen la toma de decisiones basada en datos, la ética de la IA, la privacidad de los datos y la alfabetización en IA, mientras que las preocupaciones involucran el posible engaño académico, la dependencia excesiva, la equidad en el acceso, la reducción del pensamiento crítico y la perpetuación de la desinformación y los sesgos.
La IAEd ha evolucionado junto con avances más amplios en inteligencia artificial y aprendizaje automático. Su historia refleja cambios desde sistemas basados en reglas hasta enfoques basados en datos y, más recientemente, hasta modelos generativos. Los fundamentos teóricos del campo integran la teoría educativa con métodos técnicos, y sus aplicaciones abarcan tanto casos de uso para educadores como para estudiantes, a menudo generando debates sobre la integración adecuada y el impacto social.
Historia
Los esfuerzos por integrar la IA en contextos educativos a menudo han seguido los avances tecnológicos en la historia de la inteligencia artificial. En la década de 1960, educadores e investigadores comenzaron a desarrollar sistemas de instrucción basados en computadoras, como PLATO, desarrollado por la Universidad de Illinois. PLATO fue un sistema temprano que ofrecía lecciones interactivas y se utilizó en diversos entornos educativos, sentando las bases para aplicaciones posteriores de IA.
En la década de 1970, se añadieron técnicas de IA a la instrucción asistida por computadora (CAI) para formar sistemas de tutoría inteligente (ITS). Estos sistemas tenían como objetivo proporcionar retroalimentación adaptativa y rutas de aprendizaje personalizadas. El Tutor LISP, por ejemplo, fue evaluado en un minicurso de Universidad Carnegie Mellon en el otoño de 1984, demostrando que los ITS podían mejorar los resultados de aprendizaje en comparación con la instrucción tradicional.
La Sociedad Internacional de Inteligencia Artificial en la Educación (AIED) fue fundada en 1993, compuesta por investigadores con antecedentes en informática, educación y psicología. La sociedad produce la Revista Internacional de Inteligencia Artificial en la Educación (IJAIED), que publica investigaciones sobre la teoría y las aplicaciones de la IAEd. Esta institucionalización ayudó a consolidar el campo y fomentar la colaboración interdisciplinaria.
Coincidiendo con el auge de la IA en la década de 2020, el uso de modelos de lenguaje de gran tamaño (LLM) en el norte global ha sido promovido y financiado por capital de riesgo y grandes empresas tecnológicas. Las empresas que crean servicios de IA han dirigido sus productos a estudiantes e instituciones educativas como clientes. De manera similar, las empresas educativas anteriores al auge de la IA han ampliado su uso de tecnologías de IA. Estos incentivos comerciales para el uso de la IAEd pueden estar relacionados con una posible burbuja de IA. En los EE. UU., se ha expresado un apoyo bipartidista al desarrollo de la IA en la educación K-12, pero las implementaciones específicas y las mejores prácticas siguen siendo controvertidas.
Plataformas
Las plataformas modernas de IAEd a menudo dependen de chatbots de IA generativa, que pueden participar en conversaciones en lenguaje natural y ayudar con diversas tareas. Ejemplos notables incluyen ChatGPT de OpenAI, Claude de Anthropic y Gemini de Google. Estas herramientas han sido adoptadas rápidamente en entornos educativos, aunque su integración ha sido desigual y debatida.
ChatGPT
ChatGPT fue lanzado por OpenAI en noviembre de 2022, y su adopción en la educación fue rápida. En cuestión de meses, estudiantes y educadores comenzaron a usarlo para asistencia en escritura, resolución de problemas y generación de contenido. Sin embargo, la herramienta fue prohibida por varias instituciones, particularmente en escuelas K-12 y algunas universidades, debido a preocupaciones sobre la integridad académica.
Los estudiantes generalmente han informado percepciones positivas de ChatGPT, encontrándolo útil para generar ideas, resumir información y proporcionar respuestas rápidas. Sin embargo, las opiniones específicas de educadores y estudiantes varían ampliamente. Las opiniones son especialmente variadas sobre lo que constituye un uso apropiado de ChatGPT en la educación, con algunos viéndolo como una ayuda legítima para el aprendizaje y otros considerándolo un atajo que socava el desarrollo de habilidades.
Los esfuerzos para prohibir chatbots como ChatGPT en las escuelas se centran en prevenir el engaño académico, pero la aplicación se ve obstaculizada debido a inexactitudes en la detección de IA y la accesibilidad generalizada de la tecnología de chatbots. Se ha demostrado que muchas herramientas de detección de IA producen falsos positivos, marcando incorrectamente el trabajo original de los estudiantes como generado por IA. Los educadores también han expresado su preocupación de que la dependencia excesiva de la herramienta pueda fomentar hábitos de aprendizaje superficiales, erosionar el pensamiento crítico y propagar desinformación. Algunos educadores han propuesto formas de integrar la IA generativa (GenAI) en las evaluaciones, como hacer que los estudiantes critiquen los resultados generados por IA o que usen la IA para borradores iniciales seguidos de revisión humana.
Claude
Claude es una serie de LLM desarrollados por Anthropic. Su chatbot basado en IA fue lanzado en marzo de 2023. Claude ha sido posicionado como una alternativa más segura e interpretable a otros chatbots, con un enfoque en reducir resultados dañinos. En contextos educativos, Claude se ha utilizado para tutoría, retroalimentación y creación de contenido.
En julio de 2026, Anthropic lanzó una versión de Claude para maestros. Las universidades y colegios que ofrecen "Claude for Education" incluyen Universidad de Stanford, Universidad de Columbia y otras. Esta iniciativa proporciona características adaptadas, como asistencia en la planificación de lecciones, apoyo en la calificación y tutoría orientada a estudiantes, con el objetivo de integrar Claude en los flujos de trabajo académicos.
Gemini
Gemini es un chatbot de GenAI y asistente virtual desarrollado por Google en diciembre de 2023. Fue diseñado para competir con ChatGPT y Claude, ofreciendo capacidades multimodales que pueden procesar texto, imágenes y audio. En entornos educativos, Gemini se ha utilizado para asistencia en investigación, apoyo en escritura y aprendizaje interactivo.
En agosto de 2024, Google lanzó Gemini Gems, una versión personalizable de la herramienta, para educadores. Los Gems permiten a los usuarios crear versiones especializadas de Gemini adaptadas a tareas específicas, como generación de cuestionarios o planificación de lecciones. Se añadió a las cuentas de "Google Workspace for Education" en marzo de 2025, haciéndolo accesible para muchas escuelas y universidades. En agosto de 2026, Google añadió Gemini a su aplicación Classroom para escuelas seleccionadas desde el nivel elemental hasta la secundaria, integrando aún más la IA en las herramientas educativas cotidianas.
Teoría
La IAEd aplica teoría de estudios educativos, aprendizaje automático y campos relacionados. El diseño de sistemas de IA en la educación se basa en principios pedagógicos, ciencia cognitiva y consideraciones técnicas. Una revisión de 2019 de la década anterior de estudios encontró que la mayoría de la investigación priorizaba el diseño tecnológico sobre la integración pedagógica, sugiriendo una brecha entre el desarrollo técnico y la práctica educativa.
Ouyang y Jiao (2021) proponen tres paradigmas para la IA en la educación, que siguen aproximadamente de menor a mayor centrado en el estudiante y de menor a mayor complejidad técnica requerida de los sistemas de IA:
- IA dirigida, estudiante como receptor: Los sistemas de IAEd presentan un plan de estudios preestablecido basado en patrones estadísticos que no se ajustan a la retroalimentación del estudiante. Este paradigma es común en los primeros ITS y plataformas de aprendizaje adaptativo, donde la IA controla la ruta de aprendizaje.
- IA apoyada, estudiante como colaborador: Sistemas que incorporan capacidad de respuesta a la retroalimentación del estudiante a través, por ejemplo, del procesamiento del lenguaje natural, donde la IA puede apoyar la construcción de conocimiento. Aquí, la IA actúa como un socio que responde a la entrada del estudiante, facilitando el diálogo y la exploración.
- IA empoderada, estudiante como líder: Este modelo busca posicionar la IA como un suplemento de la inteligencia humana donde los estudiantes toman agencia y la IA proporciona retroalimentación consistente y accionable. El estudiante dirige el proceso de aprendizaje, con la IA ofreciendo herramientas y perspectivas para mejorar su comprensión.
Algunos académicos sitúan la IA en la educación dentro de un marco sociotécnico. Esto posiciona la IA junto a otras tecnologías educativas emergentes, como la computación, Internet y las redes sociales. Tal perspectiva enfatiza que la IAEd no es meramente una herramienta técnica, sino que está incrustada en contextos sociales, culturales y políticos.
El marco de Tsao, Heinrichs y Camit (2025) se basa en el nuevo materialismo y el posthumanismo, específicamente en el concepto de simpoiesis (hacer-con) de Donna Haraway. Esta perspectiva ve el aprendizaje como un entrelazamiento de actores humanos y no humanos (estudiantes, maestros y algoritmos de IA), donde el conocimiento se co-compone en zonas de contacto entre el contexto humano y la predicción algorítmica. Desafía las visiones tradicionales del aprendizaje como un proceso cognitivo individual, viéndolo en cambio como un fenómeno distribuido y relacional.
Los agentes de IA han sido entrenados con conjuntos de datos sesgados y, por lo tanto, continúan perpetuando sesgos sociales. Dado que los LLM fueron creados para producir texto similar al humano, el sesgo algorítmico puede introducirse y reproducirse. Por ejemplo, si los datos de entrenamiento reflejan desigualdades históricas, la IA puede generar resultados que refuercen estereotipos o excluyan a ciertos grupos. El procesamiento de datos y la monitorización de la IA refuerzan enfoques neoliberales de la educación en lugar de abordar las desigualdades, ya que a menudo priorizan la eficiencia, la medición y la responsabilidad individual sobre el cambio sistémico.
Aplicaciones
Educadores
Los usos de los chatbots de IA generativa en la educación han incluido evaluación y retroalimentación, traducciones automáticas, corrección de pruebas, generación de preguntas de examen y edición de copias, o como asistentes virtuales. Por ejemplo, los maestros pueden usar IA para generar problemas de práctica, proporcionar retroalimentación automatizada sobre ensayos de estudiantes o traducir materiales para aulas multilingües. La IA también puede ayudar en tareas administrativas, como redactar correos electrónicos o crear planes de estudio.
La IA emocional en la educación es el estudio y desarrollo de sistemas que pueden detectar las emociones de los estudiantes o proporcionar apoyo emocional en el aprendizaje. Estos sistemas podrían usar reconocimiento facial, sensores fisiológicos o análisis de texto para inferir estados emocionales, con el objetivo de adaptar la instrucción u ofrecer aliento. Sin embargo, tales tecnologías plantean preocupaciones de privacidad y ética.
El uso amplio y no planificado de la IA en la administración educativa puede llevar a daños como la discriminación a través de la categorización superficial de registros de estudiantes, sesgos en la calificación automatizada hacia estudiantes cuyo trabajo se ajusta a definiciones algorítmicas preplanificadas, y la exclusión de estudiantes del entrenamiento de IA cuyas experiencias previas no los han preparado con las alfabetizaciones informáticas necesarias. Por ejemplo, un sistema de calificación de IA podría penalizar a hablantes no nativos de inglés o a estudiantes con estilos de escritura diferentes. Sin embargo, usos más estructurados han integrado con éxito la IA generativa en flujos de trabajo basados en indagación donde los estudiantes universitarios usan IA para exploración y crítica mientras verifican de manera independiente afirmaciones contra fuentes académicas e incorporan retroalimentación de expertos.
Estudiantes
Una encuesta global de 2024 encontró que los estudiantes usan principalmente la IA generativa para generar ideas, resumir y asistencia en investigación, encontrándola efectiva para simplificar información compleja pero menos confiable para la precisión fáctica y el aprendizaje en el aula. Mientras los estudiantes reconocieron su potencial para mejorar la alfabetización en IA y la comunicación digital, los profesores destacaron limitaciones significativas en el pensamiento crítico, la comunicación interpersonal y las habilidades de toma de decisiones. En un estudio global, aproximadamente el 58% de los estudiantes informaron encontrar la herramienta de IA útil en su vida diaria. Según la encuesta, ChatGPT fue particularmente beneficioso para ayudar a los estudiantes a comprender conceptos difíciles, generar ideas para tareas y gestionar su tiempo, pero fue menos efectivo para tareas que requieren análisis profundo o juicio matizado.
El uso de IA por parte de los estudiantes también plantea preguntas sobre la integridad académica y el desarrollo de habilidades de aprendizaje independiente. Algunas instituciones han desarrollado políticas que permiten el uso de IA bajo ciertas condiciones, como exigir a los estudiantes que revelen la asistencia de IA o que usen IA solo para etapas específicas del proceso de escritura. Otras han rediseñado las evaluaciones para que sean más resistentes a la IA, como incorporar presentaciones orales o tareas de escritura en clase.
Desafíos y Direcciones Futuras
La IAEd enfrenta varios desafíos continuos, incluida la garantía de equidad en el acceso a las herramientas de IA, abordar el sesgo algorítmico y mantener la supervisión humana. También existe la necesidad de capacitación docente para integrar efectivamente la IA en la pedagogía. Es probable que la investigación futura se centre en desarrollar sistemas de IA más transparentes e interpretables, explorar el aprendizaje personalizado a escala y comprender los efectos a largo plazo de la IA en el desarrollo cognitivo y las habilidades sociales.
A medida que las tecnologías de IA continúan evolucionando, el campo de la IAEd necesitará adaptarse, equilibrando la innovación con consideraciones éticas. La participación de múltiples partes interesadas, incluidos educadores, estudiantes, formuladores de políticas y desarrolladores de tecnología, será crucial para dar forma al futuro de la IA en la educación.