Inteligencia artificial y situaciones de aprendizaje: qué dice la investigación
Resumen divulgativo de mi artículo en la revista Educación y Futuro (53, 2025): qué aporta realmente la IA al diseño de situaciones de aprendizaje LOMLOE, con casos, cifras y los límites éticos.
Este artículo resume y divulga la investigación que publiqué en Educación y Futuro, la revista de investigación aplicada y experiencias educativas del CES Don Bosco, bajo el título «Inteligencia artificial y situaciones de aprendizaje: perspectivas actuales» (número 53, 2025, páginas 81-103). Aquí lo cuento sin el aparato académico, pensando en el docente que tiene que entregar sus situaciones de aprendizaje el mes que viene.
Qué es exactamente una situación de aprendizaje
Conviene empezar por la definición legal, porque casi toda la confusión posterior nace de saltársela. La LOMLOE (Ley Orgánica 3/2020) define las situaciones de aprendizaje como «el conjunto de situaciones y actividades que implican el despliegue, por parte del alumnado, de actuaciones asociadas a competencias clave y competencias específicas, y que contribuyen a la adquisición y desarrollo de las mismas».
Traducido: son propuestas didácticas diseñadas para que el alumnado aplique lo que sabe a la resolución de problemas de la vida real. El giro respecto al modelo anterior no es de formato, es de fondo: se pasa de transmitir contenidos a construir aprendizaje competencial, y el alumno deja de ser receptor para ser agente activo. Si quieres la explicación despacio, la tienes en qué es una situación de aprendizaje y en las ocho competencias clave.
Esa definición es la que impone la carga de trabajo. Una situación de aprendizaje bien hecha tiene que integrar competencias específicas, criterios de evaluación, saberes básicos, descriptores operativos del perfil de salida y medidas de atención a la diversidad. Y tiene que hacerlo de forma coherente, no como una lista de elementos pegados unos detrás de otros.
Diseño didáctico automatizado: dónde está el ahorro real
La aportación más inmediata de la inteligencia artificial no es pedagógica, es de tiempo. El profesorado dedica muchas horas a planificar unidades, secuenciar actividades, elaborar materiales y comprobar que todo encaja con el currículo. Es trabajo necesario, pero buena parte es mecánico.
Los estudios iniciales que revisé apuntan a que la IA puede reducir hasta un 40 % el tiempo de preparación de clases y materiales. Ese porcentaje merece una lectura prudente: no significa que el docente trabaje un 40 % menos, sino que se libera tiempo de la burocracia curricular para dedicarlo a lo que no se puede automatizar, que es la implementación y el trato con el grupo concreto que tienes delante.
| Tarea | Qué puede hacer la IA | Qué sigue siendo del docente |
|---|---|---|
| Secuencia de actividades | Proponer una secuencia completa alineada al currículo en minutos | Ajustarla al grupo real, a sus tiempos y a sus conflictos |
| Criterios de evaluación | Vincular criterios y competencias específicas sin dejarse ninguno | Decidir el peso de cada uno y cómo se evidencia en el aula |
| Atención a la diversidad | Sugerir adaptaciones según los principios DUA | Conocer al alumnado concreto que necesita cada adaptación |
| Materiales | Generar borradores de fichas, rúbricas y textos | Validar el rigor, el nivel y la pertinencia didáctica |
Ese último punto es innegociable y en el artículo lo subrayo: la IA actúa como asistente, no como sustituto. Todo lo generado automáticamente debe ser revisado y ajustado por el profesor. Una situación de aprendizaje sin criterio pedagógico detrás es un documento bonito que no sirve para dar clase.
Personalización y evaluación en tiempo real
La segunda línea es la personalización. Un docente con veinticinco alumnos no puede diseñar veinticinco itinerarios distintos: es una limitación material, no de voluntad. Los sistemas adaptativos permiten ajustar el nivel de dificultad, el tipo de apoyo y el ritmo según cómo responde cada estudiante.
La tercera es la evaluación formativa en tiempo real. Aquí la investigación educativa es bastante concluyente al margen de la IA: el feedback inmediato es uno de los factores de mayor impacto en el aprendizaje, como han documentado Hattie y Wiliam. Lo que aporta la tecnología no es la idea, que es antigua, sino la posibilidad de darlo a escala, sin que el docente tenga que corregir doscientas producciones el mismo fin de semana.
Dicho esto, evaluar con IA abre su propio conjunto de problemas, desde la fiabilidad de la corrección automática hasta qué pasa cuando el alumno usa las mismas herramientas para producir la tarea. Sobre esto último escribí aparte en rúbricas de evaluación en la era de la IA y en cómo diseñar tareas resistentes a la IA.
Cómo encaja con la LOMLOE y la competencia digital
Un detalle que sorprende a mucha gente: la LOMLOE no menciona la inteligencia artificial en ningún sitio. La ley es de 2020 y el salto de los modelos generativos es posterior. Pero eso no significa que haya un vacío, sino que la relación es indirecta y, en mi lectura, sinérgica.
La ley centra el currículo en competencias, entre ellas la competencia digital, alineada con el marco europeo DigComp, y promueve metodologías activas: aprendizaje basado en proyectos, cooperativo, por indagación. La IA proporciona herramientas para llevar eso a la práctica con más profundidad. Y hay un segundo efecto: cuando el alumnado interactúa con estas herramientas está ejercitando la competencia digital de verdad, aprendiendo a discernir la fiabilidad de lo que le devuelve una máquina.
| Lo que pide la LOMLOE | Lo que aporta la IA |
|---|---|
| Aprendizaje competencial en contextos reales | Contextualización automática de la secuencia según etapa, curso y materia |
| Competencia digital del alumnado (marco DigComp) | Uso crítico de herramientas y evaluación de la fiabilidad de sus respuestas |
| Competencia digital docente | Marco de referencia propio y necesidad de formación específica |
| Diseño Universal para el Aprendizaje | Adaptaciones sugeridas por defecto para necesidades específicas |
| Metodologías activas y evaluación formativa | Feedback inmediato a escala y seguimiento continuo |
Casos reales: qué ha funcionado y con qué resultados
Generación de situaciones de aprendizaje alineadas al currículo
En el artículo analizo Prográmalo como caso español, con la transparencia debida: es la herramienta que dirijo. Funciona indicando comunidad autónoma, curso, materia y algún parámetro opcional, y devuelve la secuencia de actividades, objetivos, criterios de evaluación y competencias específicas, con las adaptaciones DUA integradas por defecto.
El detalle que más importa a los docentes, sobre todo a opositores y a quienes empiezan, no es la velocidad: es la garantía de no dejarse fuera ningún elemento del currículo correspondiente. Ese miedo a la omisión es real y consume mucha energía.
Agentes conversacionales: el chatbot Lola
El segundo caso es de educación superior y sirve para ver cifras contrastadas. La Universidad de Murcia desplegó en 2019 un chatbot llamado Lola, desarrollado por 1MillionBot, entrenado con miles de preguntas frecuentes e información oficial de la universidad.
| Despliegue | Universidad de Murcia, 2019 |
|---|---|
| Estudiantes atendidos | Más de 4.600 en pocas semanas |
| Preguntas respondidas | Cerca de 39.000 |
| Acierto | Más del 91 % de las respuestas |
| Disponibilidad | 24/7, con muchas consultas fuera del horario habitual |
Lo relevante no es el chatbot en sí, que resuelve trámites, sino el efecto colateral: los responsables observaron un aumento de la autonomía y una reducción de la ansiedad del alumnado de nuevo ingreso. Cuando las dudas operativas se resuelven rápido, el estudiante puede concentrarse en estudiar.
Ética, privacidad y regulación
Esta es la parte del artículo que menos se cita y más importa. Meter IA en un aula plantea tres preguntas que no se pueden esquivar: cómo se protege la privacidad del alumnado, cómo se evita la discriminación algorítmica y quién responde cuando el sistema se equivoca.
Privacidad
Se tratan datos de menores, así que en Europa aplica el RGPD: base legal, minimización de datos, almacenamiento seguro y comunicación clara a las familias.
Equidad
Un sistema entrenado con datos históricos puede reproducir desigualdades previas. La Recomendación de la UNESCO sobre Ética de la IA (2021) insta a auditar los sistemas y adaptarlos al contexto local.
Transparencia
Docentes y equipos directivos deben poder entender los criterios de una decisión automática. En evaluación, una calificación tiene que poder justificarse y revisarse.
Responsabilidad
Recae siempre en personas. Las decisiones importantes, como una repetición de curso, las validan educadores y familias, nunca un sistema por su cuenta.
Añado un dato que conviene tener en el radar: la regulación europea prevé clasificar los sistemas de IA educativa como de alto riesgo, lo que exigirá evaluaciones previas a su implantación. Los centros que hoy firman contratos con proveedores harían bien en dejar por escrito de quién es la responsabilidad. Sobre cómo aterrizar esto en un documento de centro, escribí políticas de uso de IA en centros educativos.
Conclusiones: amplificar, no sustituir
La conclusión del artículo se sostiene sobre una idea que no es mía, sino de autores como Rose Luckin y Wayne Holmes, referencias en este campo: la IA educativa debe entenderse como un medio para amplificar la inteligencia de profesores y alumnos, no para reemplazarla.
Bajo esa condición, el balance es favorable. La LOMLOE impulsa un aprendizaje auténtico, personalizado e inclusivo, y la IA ofrece herramientas concretas para acercarse a ese ideal: secuencias contextualizadas, adaptaciones inclusivas por defecto, feedback inmediato y tutoría individual a escala. Los casos analizados muestran resultados tangibles en ahorro de tiempo, rendimiento y motivación.
Pero el despliegue generalizado depende de dos cosas que no son tecnológicas: la formación del profesorado, en la que están incidiendo las guías del INTEF, y la conciencia de los riesgos. Una herramienta excelente en manos de alguien que no sabe qué está revisando produce documentos correctos por fuera y vacíos por dentro. Esa es, para mí, la única frontera que importa.
Preguntas frecuentes
¿La LOMLOE dice algo sobre usar inteligencia artificial?
No la menciona en ningún punto: la ley es de 2020 y el salto de los modelos generativos es posterior. Lo que sí hace es crear un contexto favorable, al centrar el currículo en competencias, incluida la digital, y promover metodologías activas. La relación es indirecta pero coherente.
¿Cuánto tiempo se ahorra realmente con IA en la planificación?
Los estudios iniciales apuntan a reducciones de hasta el 40 % del tiempo de preparación de clases y materiales. Conviene leerlo con cuidado: ese tiempo no desaparece del trabajo docente, se traslada de la burocracia curricular a la implementación y al trato con el grupo.
¿Puede la IA sustituir al docente en el diseño de una situación de aprendizaje?
No, y en el artículo lo sostengo de forma explícita. La generación automática debe ser revisada y ajustada por el profesor para asegurar su pertinencia didáctica. La IA no conoce al grupo, ni sus tiempos, ni el contexto del centro, y esas son las variables que deciden si una situación de aprendizaje funciona.
¿Es legal usar herramientas de IA con datos del alumnado?
Se puede, cumpliendo el RGPD: hace falta base legal, minimizar los datos que se recogen, garantizar su almacenamiento seguro y comunicar con claridad a las familias qué se hace con ellos. Además, la regulación europea prevé clasificar los sistemas de IA educativa como de alto riesgo, con evaluaciones previas a su implantación.
¿Dónde puedo leer la investigación completa?
Está en acceso abierto: Gallego Cuiñas, A. (2025). Inteligencia artificial y situaciones de aprendizaje: perspectivas actuales. Educación y Futuro, 53, 81-103. Puedes consultarla en la web de la revista, con licencia Creative Commons.