¿Cuándo usar inteligencia artificial en el aula?: 5 criterios para decidir con evidencia
"¿Debo usar inteligencia artificial en el aula?" Es una pregunta frecuente entre docentes, y suele recibir una de dos respuestas:
"Sí, todo el mundo la usa"
"No, es una amenaza"
La evidencia en la investigación nos sugiere que la pregunta no es si usarla o no. Las investigaciones no muestran rechazo a su uso, pero la pregunta es: ¿cuándo usar inteligencia artificial en el aula? ¿Y cómo usarla con sentido pedagógico? Lo importante no es la herramienta, sino la intención pedagógica con que se usa. Este artículo traduce esta idea en criterios concretos, a partir de revisiones recientes de la literatura. Al final encontrarás una guía descargable con cinco preguntas para aplicarlas en tu propia práctica.
Uso pedagógico de la IA: complementa al docente, no lo sustituye
Las revisiones coinciden en un punto: el uso de la IA tiene sentido pedagógico cuando complementa el trabajo del profesor en tres frentes: diferenciar contenidos, detectar a tiempo a quienes se rezagan y reducir cargas administrativas (Celik et al., 2022; Saini, 2025; Zhang, 2024). No se plantea para reemplazar la interacción humana, sino para potenciar la retroalimentación formativa y aprovechar mejor el tiempo de clase (Dimitriadou, 2023; Kong, 2024).
El consenso, además, es más cauteloso que entusiasta: la postura más frecuente es que la IA posiblemente aporta valor pedagógico, y ninguna de las posturas identificadas rechaza su uso. Todo depende de cómo y para qué se integre.
Cuándo usar inteligencia artificial en el aula: cuatro situaciones con sentido
La literatura señala cuatro situaciones en las que tiene más sentido:
Cuando el grupo es diverso. La instrucción personalizada permite adaptar el ritmo, la dificultad y los materiales a cada estudiante (Chen et al., 2020; Dimitriadou, 2023; Saini, 2025).
Cuando hace falta ampliar la accesibilidad. Para estudiantes con necesidades educativas especiales, tecnologías de apoyo como la síntesis de voz y los formatos multimodales abren posibilidades de participación (Dimitriadou, 2023; Zhang, 2024).
Cuando se necesita detectar dificultades a tiempo. Los análisis predictivos y de concentración ayudan a intervenir antes de que los problemas escalen (Celik et al., 2022; Zhang, 2024).
Cuando el tiempo se va en tareas mecánicas. Automatizar la corrección de cuestionarios o redacciones libera espacio para tutorías personalizadas (Celik et al., 2022; Mah, 2026; Zhang, 2024).
Cinco modalidades de uso pedagógico de la IA
Modalidad | Aplicación en el aula | Beneficio observado |
Tutoría inteligente | Plataformas adaptativas que ajustan los ejercicios al perfil del estudiante (Dimitriadou, 2023; Martin, 2023) | Mayor retención y aprendizaje a ritmo propio (Chen et al., 2020; Saini, 2025) |
Analítica de aprendizaje | Paneles en tiempo real para seguir el progreso y la dinámica del grupo (Celik et al., 2022; Kim, 2024) | Identificación ágil de rezagos y apoyos oportunos (Celik et al., 2022; Zhang, 2024) |
Evaluación automatizada | Calificación de textos y cuestionarios diagnósticos (Almasri, 2024; Celik et al., 2022) | Menor carga administrativa (Kim, 2024; Wardat, 2024) |
Generación de contenidos | Recursos y actividades dialógicas con modelos de lenguaje (Chen et al., 2020; Galindo-Domínguez, 2023) | Materiales más diversos y fomento de la escritura creativa (Kong, 2024; Kosmas, 2025) |
Alfabetización en IA | Demostración de algoritmos y proyectos colaborativos de aprendizaje automático (Martin, 2023; Wu, 2024) | Competencias técnicas y pensamiento crítico (Su, 2023; Wu, 2024) |
Fuente: Elaboración propia con base en las referencias citadas.
Riesgos y límites de la inteligencia artificial en educación
Los beneficios conviven con barreras reales. Muchos sistemas están todavía en fases tempranas de madurez en aulas reales (Figueroa, 2024), y solo una fracción reducida del profesorado los integra formalmente en su planeación por falta de competencias específicas (Galindo-Domínguez, 2023; Mah, 2026; Wardat, 2024).
La literatura también subraya riesgos que no conviene minimizar: la privacidad de los datos de los estudiantes, en particular los de menores; los sesgos algorítmicos; y la proliferación de herramientas comerciales sin base pedagógica comprobada (Akgun & Greenhow, 2022; Dimitriadou, 2023; Saini, 2025). La respuesta que proponen es el desarrollo profesional continuo, orientado al uso ético y crítico de la tecnología (Kosmas, 2025; Mah, 2026; Saini, 2025). Es la misma distinción entre formar y capacitar que vimos en la entrevista: no basta con aprender a usar una herramienta.
Cinco criterios para decidir cuándo usar inteligencia artificial en el aula
De la evidencia se desprende un método sencillo. Antes de incorporar la IA a una actividad, conviene preguntarse:
¿Qué aprendizaje quiero que ocurra? Si no puedo describirlo sin mencionar la herramienta, aún no tengo una intención pedagógica.
¿Qué parte del proceso puede apoyarse en IA y cuál no? Apoyar no es delegar.
¿Qué debe verificarse y quién lo verifica? Incluye la calidad de las respuestas, la privacidad y los sesgos.
¿Qué responsabilidades no delego? La retroalimentación formativa y las decisiones de evaluación suelen ser las primeras.
¿Cómo sabré si funcionó? Decidir con evidencia implica definir de antemano qué voy a observar en mi aula.
Estas preguntas, con ejemplos, señales de alerta y espacio para anotar tus respuestas, están desarrolladas en nuestra Guía de decisión para el uso de IA en la enseñanza
Conclusión: decidir con criterio cuándo usar IA
La IA puede ser una aliada del docente cuando se integra con intención y con evidencia, y puede ser una distracción costosa cuando se adopta por urgencia o por moda. Como dijo Mario Benavides, "no existe una herramienta que te va a resolver todo": lo que sí existe es la posibilidad de decidir mejor.
Referencias
Akgun, S., & Greenhow, C. (2022). Artificial intelligence in education: Addressing ethical challenges in K-12 settings. AI and Ethics, 2(3), 431–440. https://doi.org/10.1007/s43681-021-00096-7
Almasri, F. (2024). Exploring the Impact of Artificial Intelligence in Teaching and Learning of Science: A Systematic Review of Empirical Research. Research in Science Education, 54, 977 - 997. https://doi.org/10.1007/s11165-024-10176-3
Buele, J., & Llerena-Aguirre, L. (2025). Transformations in academic work and faculty perceptions of artificial intelligence in higher education. Frontiers in Education. https://doi.org/10.3389/feduc.2025.1603763
Celik, I., Dindar, M., Muukkonen, H., & Järvelä, S. (2022). The promises and challenges of artificial intelligence for teachers: A systematic review of research. TechTrends, 66(4), 616–630. https://doi.org/10.1007/s11528-022-00715-y
Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review. IEEE Access, 8, 75264–75278. https://doi.org/10.1109/ACCESS.2020.2988510
Dimitriadou, E., & Lanitis, A. (2023). A critical evaluation, challenges, and future perspectives of using artificial intelligence and emerging technologies in smart classrooms. Smart Learning Environments, 10. https://doi.org/10.1186/s40561-023-00231-3
Figueroa, E., Batista, E., Palau, R., Unciti, O., Ferre, M., & Martínez-Ballesté, A. (2024). The Use of Artificial Intelligence Techniques in Smart Classrooms is in Its Infancy. IEEE Access, 12, 125179-125193. https://doi.org/10.1109/access.2024.3454372
Galindo-Domínguez, H., Delgado, N., Losada, D., & Etxabe, J.-M. (2023). An analysis of the use of artificial intelligence in education in Spain: The in-service teacher’s perspective. Journal of Digital Learning in Teacher Education, 40, 41 - 56. https://doi.org/10.1080/21532974.2023.2284726
Khlaif, Z. N., Ayyoub, A., Hamamra, B., Bensalem, E., Mitwally, M. A. A., Ayyoub, A., Hattab, M. K., & Shadid, F. (2024). University teachers' views on the adoption and integration of generative AI tools for student assessment in higher education. Education Sciences, 14(10), 1090. https://doi.org/10.3390/educsci14101090
Kim, J. (2024). Types of teacher-AI collaboration in K-12 classroom instruction: Chinese teachers’ perspective. Education and Information Technologies, 29, 17433 - 17465. https://doi.org/10.1007/s10639-024-12523-3
Kong, S.-C., & Yang, Y. (2024). A Human-Centered Learning and Teaching Framework Using Generative Artificial Intelligence for Self-Regulated Learning Development Through Domain Knowledge Learning in K–12 Settings. IEEE Transactions on Learning Technologies, 17, 1588-1599. https://doi.org/10.1109/tlt.2024.3392830
Kosmas, P., Nisiforou, E. A., Kounnapi, E., Sophocleous, S., & Theophanous, G. (2025). Integrating artificial intelligence in literacy lessons for elementary classrooms: a co-design approach. Educational technology research and development, 73, 2589 - 2615. https://doi.org/10.1007/s11423-025-10492-z
Mah, D.-K., Groß, N., Egloffstein, M., & Prilop, C. N. (2026). Artificial intelligence in K-12 instruction: the role of teacher professional development. Smart Learning Environments, 13. https://doi.org/10.1186/s40561-026-00442-4
Martin, F., Zhuang, M., & Schaefer, D. (2023). Systematic review of research on artificial intelligence in K-12 education (2017-2022). Comput. Educ. Artif. Intell., 6, 100195. https://doi.org/10.1016/j.caeai.2023.100195
Saini, D. P., Sharma, M., & Tripathi, K. (2025). ARTIFICIAL INTELLIGENCE (AI) IN EDUCATION: USING AI TOOLS FOR TEACHING AND LEARNING PROCESS. IJIREEICE. https://doi.org/10.17148/ijireeice.2025.13206
Su, J.-H., Guo, K.-Y., Chen, X.-Y., & Chu, S. K. (2023). Teaching artificial intelligence in K–12 classrooms: a scoping review. Interactive Learning Environments, 32, 5207 - 5226. https://doi.org/10.1080/10494820.2023.2212706
Wardat, Y., Tashtoush, M. A., Alali, R., & Saleh, S. (2024). Artificial Intelligence in Education: Mathematics Teachers’ Perspectives, Practices and Challenges. Iraqi Journal For Computer Science and Mathematics. https://doi.org/10.52866/ijcsm.2024.05.01.004
Wu, D., Chen, M.-S., Chen, X., & Liu, X. (2024). Analyzing K-12 AI education: A large language model study of classroom instruction on learning theories, pedagogy, tools, and AI literacy. Comput. Educ. Artif. Intell., 7, 100295. https://doi.org/10.1016/j.caeai.2024.100295
Xia, Q., Weng, X., Ouyang, F., Lin, T.-J., & Chiu, T. K. F. (2024). A scoping review on how generative artificial intelligence transforms assessment in higher education. International Journal of Educational Technology in Higher Education, 21, Article 40. https://doi.org/10.1186/s41239-024-00468-z
Zhang, J., & Zhang, Z. (2024). AI in teacher education: Unlocking new dimensions in teaching support, inclusive learning, and digital literacy. J. Comput. Assist. Learn., 40, 1871-1885. https://doi.org/10.1111/jcal.12988
Comentarios