Formación docente en inteligencia artificial: "No existe una herramienta que te va a resolver todo"
"Ya me duele el estómago, me tomo esta pastilla." Así resume Mario Benavides lo que muchos profesores esperan al llegar a un curso de formación docente en inteligencia artificial: una solución práctica para un problema concreto. En educación, advierte, las cosas no funcionan así, y menos ahora que la IA generativa (IAG) ya forma parte de la vida universitaria.
Docentes y estudiantes la usan para escribir, revisar textos y explorar ideas, pero los retos que trae consigo difícilmente se resuelven aprendiendo a usar una herramienta nueva. ¿Qué formación necesitan, entonces, los profesores? Para explorarlo conversé con Mario, Subdirector de Movilización del Conocimiento de la UNAM, sobre tres cosas: qué hace su equipo para formar docentes y generar conocimiento, qué retos observa y qué ha encontrado en sus investigaciones.
Mira la conversación completa con Mario Benavides
Formación docente en la UNAM: formar y generar conocimiento desde la práctica
Mario es licenciado y maestro en Pedagogía por la Facultad de Filosofía y Letras de la UNAM, con una especialidad en Nuevas Tecnologías y Educación por FLACSO Argentina. Desde 2019 trabaja en un equipo de la UNAM dedicado a que los profesores investiguen su propia práctica educativa. Su punto de partida es una carencia: en educación superior casi no existe una formación profesional para ser docente; la mayoría llega a las aulas desde el ejercicio de su disciplina.
Para fortalecer los perfiles docentes, el equipo ofrece cursos, talleres y microtalleres a través del Centro de Formación y Profesionalización Docente, y ha construido una comunidad de educación basada en evidencias, pensada como espacio de práctica y aprendizaje compartido. En estos espacios conviven profesores de bachillerato, licenciatura y posgrado, y en ese diálogo descubren que enfrentan retos muy parecidos.
Su recurso más conocido son las cajas de herramientas, conjuntos de materiales en video, texto, audio e imagen que nacieron en la pandemia para acompañar la transición a la educación remota de emergencia. No prescriben qué hacer: buscan ser un pretexto para que cada docente reflexione y adapte las ideas a su contexto. Dos de ellas abordan la IAG. La caja 7 explica en términos sencillos qué es, qué puede y qué no puede hacer, con sugerencias de uso pedagógico. La caja 8 aborda la argumentación en internet y propone entender el plagio académico más allá del castigo: cómo se construyen argumentos con evidencia, y cómo la IAG puede apoyar nuevas formas de argumentar y escribir.
El conocimiento que produce el equipo sale por varias vías: estudios cuantitativos y cualitativos, informes de investigación, materiales audiovisuales y publicaciones. Detrás hay una convicción sobre qué es investigar:
"Tiene que ver con una forma de pensamiento […] una actitud investigativa permanente. Toda investigación surge de una pregunta, de una problematización."
De ahí su frase favorita: "todo salón de clases es un laboratorio". El obstáculo, reconoce, es el tiempo. Muchos profesores generan información valiosa, pero cargan con otros trabajos y responsabilidades de cuidado, y les falta espacio para sistematizarla y publicarla.
Retos de la formación docente ante la IA: formadores y profesores
Los retos de los formadores: formación, no capacitación
El primer reto es la expectativa de respuestas inmediatas. El equipo responde con una convicción: "Ustedes son la propia solución a los problemas que ustedes están identificando en sus clases." Por eso distinguen entre formación y capacitación docente. Enseñar el funcionamiento de herramientas concretas es una línea en la que, dice, nunca han creído. Prefieren partir de que ninguna tecnología es neutral: tiene dimensiones políticas, epistemológicas y ontológicas, y el profesor puede apropiarse de ella, cuestionarla e incluso darle usos distintos a los previstos por quien la diseñó. Esa idea de agencia docente (Molla y Nolan, 2020) sostiene la frase del título: "no existe una varita mágica, no existe una herramienta que te va a resolver todo".
Los retos de los docentes: evaluación y rol del profesor
Los retos de los profesores son anteriores a la IA, y esta los intensifica. En los cursos aparecen problemas disciplinares, socioemocionales, de convivencia y de socialización. A ellos se suma una pregunta incómoda: ¿qué sentido tiene la escuela para estudiantes que resuelven dudas con ChatGPT o con un tutorial de YouTube?
La evaluación con inteligencia artificial es el punto donde esa pregunta se vuelve más concreta. Ante las tareas hechas con IA, muchos proponen más restricciones, volver a los exámenes orales o recurrir a detectores de texto generado, que según Mario no funcionan. Él propone mirar otra cosa: se ha confundido aprendizaje con desempeño. Un producto puede ser un indicador del aprendizaje, pero no es el aprendizaje, que implica comprender, conectar lo nuevo con lo que ya se sabe y entender los fenómenos de forma más compleja. Por eso plantea ver la evaluación como acompañamiento y retroalimentación, no solo como calificación.
El otro reto es el miedo a ser sustituidos. Si la IA explica con claridad, ¿qué queda para el profesor? Mario responde que el rol del profesor frente a la inteligencia artificial no se reduce a explicar. Aprender una profesión es incorporarse a una cultura: su lenguaje, sus valores, lo que está permitido y lo que no. Quien estudia arquitectura no solo aprende conceptos, aprende a ser arquitecto o arquitecta, y ese proceso necesita acompañamiento.
La literatura apunta en la misma dirección. Khlaif et al. (2024) y Buele y Llerena-Aguirre (2025) encontraron que el profesorado reconoce ventajas de la IAG, pero también preocupaciones éticas, inseguridad técnica y necesidad de más formación y apoyo institucional. La revisión de Xia et al. (2024) añade que transformar la evaluación exige revisar políticas y creencias docentes, no solo incorporar herramientas.
Investigación sobre IA generativa en educación superior: lo que han encontrado
Una línea del equipo estudia cómo las creencias de los profesores se cruzan con la adopción de tecnología, y cómo influyen factores como el género y la edad. Esos estudios han matizado ideas muy extendidas. Por ejemplo, que el profesorado de mayor edad sea reacio a la tecnología: Mario explica que no han encontrado que sea necesariamente así.
El género aparece de otras formas. En algunas investigaciones, el uso de la IAG es más frecuente en los hombres, mientras que las mujeres muestran mayores reservas éticas. Mario lo vincula con otros hallazgos del equipo durante la pandemia: las profesoras mantuvieron o ampliaron su brecha en el trabajo de cuidados, aun con altos niveles de estudio, y entre el estudiantado había mayor riesgo de desvinculación en los hombres que en las mujeres. Son resultados que, dice, hoy "resuenan" en las discusiones sobre ética y responsabilidad en el uso de la IA.
El equipo está construyendo además un mapa de cómo se distribuye el uso de la IAG. Hasta ahora, observan más uso en áreas cercanas a la tecnología y las ciencias que en humanidades y ciencias sociales. En ingeniería, el uso es más técnico, por ejemplo, para generar código. En general, la mayoría de los estudiantes la usa para que les expliquen cosas, y los más jóvenes parecen tener menos reparos éticos. Mario subraya un diferenciador: el conocimiento previo. Quien domina un tema puede supervisar lo que responde la IA; quien no, corre el riesgo de creerlo todo. De ahí la preocupación creciente por la "deuda cognitiva" o la dependencia excesiva.
Detrás de estos estudios hay un enfoque: analizar las interacciones y las prácticas sociales, no a las personas aisladas, y entender cómo influyen en ellas la tecnología, las instituciones y las políticas.
Conclusión: una formación docente en inteligencia artificial que empieza por preguntar
La conversación con Mario deja una idea central: ante una tecnología que cambia en meses, la mejor preparación no es dominar una herramienta, sino desarrollar criterio y una actitud investigativa sobre la propia práctica. Eso es lo que su equipo intenta cultivar: que cada profesor observe su aula, formule preguntas y decida, con fundamento, cuándo y para qué usar la IA, y qué responsabilidades conserva como humano.
Referencias
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
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
Molla, T., & Nolan, A. (2020). Teacher agency and professional practice. Teachers and Teaching, 26(1), 67–87. https://doi.org/10.1080/13540602.2020.1740196
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
Benavides, M. (s. f.). Entrevista realizada por Claudia Navarro-Corona a Mario Benavides sobre formación docente, investigación de la práctica e inteligencia artificial [Entrevista no publicada].
Comentarios