La inteligencia artificial se está incorporando con enorme rapidez a nuestra vida cotidiana. La utilizamos para buscar información, generar textos e imágenes, resolver dudas, organizar ideas o recibir recomendaciones. A veces sabemos perfectamente que estamos interactuando con un sistema de IA. Otras muchas, su presencia es casi invisible: está detrás de aquello que una plataforma decide mostrarnos, de los contenidos que ordena o de las recomendaciones que recibimos.
En educación, esta realidad plantea una pregunta que va bastante más allá de aprender a utilizar una herramienta concreta:
¿Qué competencias básicas necesita hoy cualquier estudiante para vivir, aprender y tomar decisiones en un mundo cada vez más moldeado por la inteligencia artificial?
Esta fue la pregunta que nuestro compañero Miguel Ariza utilizó como punto de partida en el webinar «Alfabetización en IA: competencias clave para una ciudadanía crítica», desarrollado en el marco del BootCamp de Experience AI.
Experience AI es una iniciativa educativa impulsada por Raspberry Pi Foundation y Google DeepMind y desarrollada en España por Fad Juventud. Su propuesta ofrece recursos y formación para ayudar al profesorado a trabajar con adolescentes la comprensión de la IA, su funcionamiento y su utilización responsable. El propio programa incorpora ya contenidos sobre sesgo, datos personales, información falsa, modelos de lenguaje y uso responsable de herramientas generativas. Campus FAD
Pero hablar de alfabetización en IA implica ir un poco más allá.
Usar una IA no significa comprenderla
Un estudiante puede saber escribir un buen prompt, generar una imagen o conseguir que un chatbot le prepare un resumen y, sin embargo, no saber por qué el sistema puede equivocarse, qué ocurre con los datos que introduce o cómo comprobar si una respuesta es fiable.
Ahí aparece una diferencia importante entre competencia instrumental y alfabetización.
No necesitamos que todo el alumnado se convierta en especialista en inteligencia artificial. Pero sí que disponga de un modelo mental suficientemente adecuado para entender qué está utilizando, qué posibilidades y límites tiene y qué decisiones no debería delegar sin más en una máquina.
Esta forma de entender la alfabetización coincide con el marco AILit, publicado en 2026 por la Comisión Europea y la OCDE. El marco define la alfabetización en IA como un conjunto de conocimientos, habilidades y actitudes que permiten comprender cómo funcionan estos sistemas, evaluar críticamente sus resultados y utilizarlos de manera ética y creativa. Organiza estas capacidades alrededor de cuatro ámbitos: interactuar con IA, crear con IA, gestionar IA y contribuir a dar forma a nuestra relación con ella. OCDE
No hablamos, por tanto, solo de tecnología. Hablamos de pensamiento crítico, autonomía, ética y ciudadanía.
Esta preocupación está llegando también a los grandes marcos internacionales. PISA 2029 incorporará como ámbito innovador la alfabetización mediática y en inteligencia artificial, con la intención de analizar si el alumnado sabe comprender cómo funcionan los medios y los sistemas de IA, evaluar críticamente contenidos digitales y actuar de manera responsable en entornos cada vez más mediados por algoritmos. OCDE
Para ordenar esta conversación durante el webinar utilizamos tres preguntas muy sencillas:
¿Me lo creo?
¿Cómo está influyendo en mí?
¿Dónde lo enseñamos?
Tres preguntas que nos permiten pasar de aprender a usar una tecnología a aprender a vivir con ella con criterio.
¿Me lo creo? Aprender a dudar, contrastar y comprobar
Uno de los grandes retos de la inteligencia artificial generativa es que puede equivocarse sin parecer insegura.
Una respuesta puede estar perfectamente redactada, utilizar vocabulario especializado, incluir fechas y referencias y, aun así, contener información incorrecta o incluso inventada.
Ya hemos hablado en este blog de la importancia de aprender a verificar antes de confiar. Verificar no significa desconfiar sistemáticamente de la tecnología. Significa incorporar una práctica intelectual: preguntarnos qué evidencias tenemos para aceptar una afirmación y qué deberíamos comprobar antes de utilizarla. conecta13.com
El conocido caso Mata v. Avianca ofrece un ejemplo especialmente claro. En 2023, unos abogados presentaron ante un tribunal estadounidense varias resoluciones judiciales obtenidas mediante ChatGPT. Las referencias parecían verosímiles, pero no existían. El tribunal terminó sancionándolos, recordando que utilizar una herramienta de inteligencia artificial no elimina la responsabilidad de verificar aquello que se presenta como cierto. Justia Law
La enseñanza que podemos trasladar al aula es importante: una respuesta convincente no elimina nuestra responsabilidad de comprobar.
Podemos convertir esta idea en una rutina sencilla de cuatro movimientos: cuestionar, contrastar, contextualizar y comprobar.
¿Qué afirma realmente la respuesta? ¿Qué parte podemos verificar? ¿Qué otras fuentes lo confirman? ¿Qué contexto falta? ¿Existen realmente los datos, autores o publicaciones citados?
Y esto puede trabajarse dentro de cualquier materia.
Imaginemos, por ejemplo, que pedimos a una IA una explicación sobre las causas de la Primera Guerra Mundial. El alumnado podría seleccionar tres afirmaciones verificables (el asesinato de Sarajevo, el sistema de alianzas o la carrera armamentística) y contrastarlas con fuentes fiables. Quizá descubra que la respuesta no es exactamente falsa, pero presenta el asesinato de Sarajevo como «la causa» de la guerra, cuando en realidad actuó como detonante dentro de un proceso previo mucho más complejo.
Ahí aparece precisamente el aprendizaje: comprobar no sirve solo para encontrar errores; también sirve para introducir matices, contexto y profundidad.
El sesgo no siempre parece un error
Hay, además, problemas que no pueden reducirse a decidir si una respuesta es verdadera o falsa.
Un sistema puede funcionar razonablemente bien en términos generales y, sin embargo, hacerlo mucho peor para determinados grupos.
El estudio Gender Shades, publicado en 2018 por Joy Buolamwini y Timnit Gebru, analizó tres sistemas comerciales de clasificación de género a partir de imágenes faciales. Los resultados mostraron diferencias muy importantes: mientras el error máximo para hombres de piel clara fue del 0,8 %, en mujeres de piel oscura llegó al 34,7 %. Proceedings of Machine Learning Research
La pregunta educativa deja entonces de ser únicamente «¿funciona?».
Tenemos que añadir otras:
¿Para quién funciona?
¿Con qué datos lo sabemos?
¿Quién está representado?
¿Quién puede estar quedando fuera?
Esta mirada crítica resulta especialmente relevante porque ayuda al alumnado a comprender que un sesgo no siempre se presenta como un fallo evidente. A veces aparece en los datos utilizados, en aquello que está sobrerrepresentado, en las voces que faltan o en las decisiones humanas que rodean al diseño y uso de un sistema.
¿Cómo está influyendo en mí?
Cuando hablamos de inteligencia artificial solemos pensar inmediatamente en un chatbot o en un generador de imágenes.
Pero una parte importante de la IA con la que convivimos diariamente es mucho menos visible.
Es la que ordena, filtra y recomienda.
Decide qué vídeo puede aparecer después, qué canción nos propone una plataforma, qué publicación vemos primero o qué producto se nos recomienda.
Los sistemas de recomendación utilizan señales procedentes de nuestro comportamiento para intentar predecir qué contenidos pueden resultarnos más relevantes. TikTok, por ejemplo, explica que su sistema utiliza interacciones como los vídeos que vemos completos o saltamos, los contenidos a los que damos «me gusta», aquello que compartimos o comentamos y las cuentas que seguimos. Para la mayoría de los usuarios, esas interacciones tienen un peso especialmente importante en la personalización del contenido. Soporte de TikTok
Podemos explicarlo como un pequeño bucle:
acción → datos → inferencia → recomendación → nueva acción.
Nuestro comportamiento contribuye a configurar aquello que después volvemos a ver.
Esto no significa que un algoritmo decida automáticamente por nosotros ni que determine inevitablemente lo que pensamos. Seguimos teniendo capacidad de elección. Pero sí puede configurar una parte del escenario en el que tomamos decisiones: ordena unas opciones antes que otras, hace determinados contenidos más visibles y deja otros fuera de nuestra experiencia inmediata.
Por eso una alfabetización ciudadana en IA debería acostumbrarnos también a formular cuatro preguntas:
¿Por qué estoy viendo esto?
¿Qué sabe de mí?
¿Qué no estoy viendo?
¿Quién está tomando realmente la decisión?
Son preguntas sobre tecnología, pero también sobre atención, diversidad, autonomía y ciudadanía.
Lo que compartimos también son datos
Hay otro aprendizaje especialmente importante para el alumnado: cuando utilizamos una inteligencia artificial no solo recibimos información.
También la entregamos.
Preguntas, textos, fotografías, documentos, conversaciones, ideas y, en ocasiones, datos personales.
Experience AI incluye precisamente entre sus recursos contenidos orientados a reconocer qué datos personales se comparten con las aplicaciones de IA y cómo proteger la privacidad al utilizarlas. Campus FAD
Podemos empezar con tres preguntas muy sencillas:
¿Qué estoy compartiendo?
¿Necesita realmente la herramienta esta información?
¿Hay aquí algo personal, sensible o confidencial?
No se trata de generar miedo ante la tecnología. Se trata de aprender a utilizarla con criterio.
Igual que enseñamos a comprobar una respuesta antes de aceptarla, deberíamos enseñar a pensar qué estamos entregando antes de pulsar «enviar».
¿Dónde enseñamos todo esto?
Llegamos entonces a una cuestión inevitable.
Si consideramos que estas competencias son importantes, ¿quién debe enseñarlas?
¿Tecnología? ¿Informática? ¿Una nueva asignatura específica?
Nuestra propuesta es diferente:
todo el centro puede contribuir a la alfabetización en IA.
Esto no significa que todo el profesorado tenga que convertirse en especialista en inteligencia artificial. Significa reconocer que muchas de las competencias implicadas son claramente transversales: verificar información, identificar sesgos, analizar fuentes, comprender datos, reflexionar sobre autoría, proteger la privacidad, argumentar una decisión o analizar el impacto social de una tecnología.
UNESCO plantea una dirección similar. Su marco de competencias en IA para estudiantes aspira a formar usuarios y cocreadores responsables y organiza doce competencias alrededor de una mirada centrada en las personas, la ética, las técnicas y aplicaciones de la IA y el diseño de sistemas, con una progresión desde comprender hasta aplicar y crear. UNESCO
Por eso quizá la pregunta no sea:
«¿Quién enseña inteligencia artificial?»
sino:
«¿Qué puede aportar cada materia a la alfabetización en inteligencia artificial?»
En Lengua podemos analizar la argumentación de una respuesta generada. En Historia, detectar perspectivas ausentes. En Biología, contrastar explicaciones científicas. En Matemáticas, analizar datos, probabilidades y errores. En Educación Artística, reflexionar sobre creación y autoría. En Tutoría, trabajar privacidad, autonomía o reputación digital.
La competencia puede ser compartida. La mirada de cada materia es diferente.
No añadir siempre contenidos: cambiar algunas preguntas
La integración curricular de la IA no puede consistir simplemente en seguir añadiendo temas a programaciones que ya están suficientemente cargadas.
A veces basta con reformular una actividad que ya hacemos.
Una tarea tradicional podría pedir:
«Busca información sobre el cambio climático y prepara una síntesis».
Una tarea orientada a la alfabetización en IA podría plantear:
«Pregunta a una IA sobre el cambio climático. Identifica tres afirmaciones relevantes, compruébalas utilizando fuentes independientes y explica qué has confirmado, corregido o matizado».
La materia sigue siendo la misma.
Lo que cambia es la exigencia cognitiva.
El alumnado ya no se limita a recoger información. Tiene que seleccionar, verificar, comparar, justificar y tomar decisiones.
Y ahí aparece una de las oportunidades educativas más interesantes de estas herramientas: no utilizarlas siempre para reducir el esfuerzo intelectual, sino también para construir tareas que exijan pensar mejor.
Transversal no significa improvisado
Ahora bien, si la alfabetización en IA debe ser transversal, necesitamos evitar un riesgo conocido en educación: que aquello que es responsabilidad de todos termine sin ser responsabilidad concreta de nadie.
Un centro puede acordar qué capacidades considera fundamentales, cuándo deberían aparecer, en qué materias encuentran un espacio natural y cómo deberían progresar a lo largo de las etapas.
No necesitamos diseñar otro currículo completo alrededor de la inteligencia artificial.
Pero sí cierta intencionalidad.
Porque aquello que consideramos importante y no planificamos termina dependiendo demasiado de iniciativas individuales.
¿Qué debería saber hacer cualquier estudiante?
Al terminar la educación obligatoria, un estudiante no debería necesitar conocer una lista concreta de herramientas (muchas habrán cambiado cuando llegue ese momento). Debería haber adquirido capacidades que permanezcan aunque cambie la tecnología: reconocer cuándo interviene un sistema de IA; comprender algunos de sus principios básicos; cuestionar sus resultados; verificar información y fuentes; detectar sesgos y ausencias; comprender cómo funcionan las recomendaciones algorítmicas; proteger sus datos; decidir cuándo tiene sentido utilizar IA y cuándo no; y crear con ella sin delegar completamente el pensamiento.
Es un mínimo común que tiene mucho más que ver con la agencia que con el dominio técnico.
La persona competente no es necesariamente quien utiliza más inteligencia artificial.
Es quien sabe cuándo utilizarla, para qué, con qué límites y bajo qué condiciones.
De usuarios a ciudadanos
Quizá podamos resumir todo el recorrido en tres pequeños desplazamientos:
pasar de aceptar a cuestionar,
de consumir a comprender,
y de utilizar a decidir.
Ese es el sentido de hablar de alfabetización en IA desde una perspectiva educativa.
No formar usuarios cada vez más rápidos de herramientas que cambiarán continuamente, sino personas capaces de mantener su capacidad de juicio en entornos atravesados por sistemas automatizados.
La tecnología seguirá evolucionando. Las interfaces cambiarán. Aparecerán nuevas aplicaciones y otras desaparecerán.
Por eso necesitamos aprendizajes que sobrevivan a las herramientas.
Saber preguntar. Saber dudar. Saber comprobar. Saber comprender cómo se selecciona la información. Saber protegerse. Saber decidir. Y, sobre todo, seguir pensando.
Porque el objetivo final no es que la inteligencia artificial ocupe más espacio en la escuela.
Es que ninguna inteligencia artificial sustituya nuestra capacidad (y la de nuestro alumnado) de pensar, decidir y participar.
