Profesora Ana Henríquez Orrego
Académica del Observatorio de IA en Educación · Universidad de Las Américas, Chile

La inteligencia artificial generativa está ampliando las posibilidades de la docencia. Hoy un profesor puede transformar documentos, presentaciones, libros, videos y experiencias acumuladas en rutas interactivas de aprendizaje; también puede crear tutores, simuladores, laboratorios de resolución de problemas, paneles didácticos, portafolios multimodales y recursos de retroalimentación. Esta capacidad adquiere verdadero sentido cuando cada recurso se integra en una propuesta didáctica coherente y orientada por aprendizajes demostrables.

En la ponencia que dio origen a este artículo presenté una pregunta que sintetiza el desafío actual: ¿cómo crear recursos con IA que activen aprendizajes, orienten la actividad y produzcan evidencias verificables? La respuesta conduce a una idea central: diseñar recursos es diseñar aprendizaje. La calidad surge de la relación entre propósito, actividad cognitiva, mediación docente, función de la inteligencia artificial, evidencias, verificación y transferencia.

Las propuestas didácticas mediadas por inteligencia artificial alcanzan su mayor valor cuando el estudiante interpreta, decide, contrasta, crea, explica, corrige y aplica. La IA participa como apoyo pedagógico dentro de una secuencia planificada. El docente conserva la conducción académica, define las reglas, selecciona las fuentes, establece los criterios de calidad y decide cómo se hará visible el aprendizaje.

Del recurso aislado a una propuesta didáctica integral

Un recurso se vuelve didáctico cuando articula decisiones que forman una experiencia de aprendizaje. Un video puede informar; una simulación puede provocar decisiones; un tutor puede orientar preguntas; una rúbrica puede explicitar criterios. La propuesta didáctica organiza estos componentes en una ruta que conduce desde la activación inicial hasta la transferencia.

Cuatro decisiones estructuran el núcleo del diseño:

1. Propósito formativo. Define el aprendizaje esperado, la competencia, el resultado de aprendizaje o el objetivo que orienta la secuencia.
2. Actividad del estudiante. Precisa las operaciones cognitivas y prácticas que realizará: analizar, comparar, formular, resolver, argumentar, crear, revisar y transferir.
3. Mediación docente. Establece cuándo el profesor modela, pregunta, retroalimenta, aporta criterios, valida fuentes y acompaña decisiones.
4. Evidencia de aprendizaje. Determina qué quedará disponible para observar el avance: producto, proceso, explicación, desempeño y transferencia.

La relación entre estas decisiones permite reconocer la coherencia del diseño. Una propuesta robusta conecta cada actividad con una evidencia y cada evidencia con un criterio de verificación. Esta conexión convierte la innovación tecnológica en una experiencia pedagógica evaluable.

Una ruta de diseño didáctico con IA

El diseño puede desarrollarse mediante una secuencia de decisiones. Cada paso prepara el siguiente y conserva el aprendizaje esperado como brújula de todo el proceso.

• Definir el aprendizaje esperado. Expresar con precisión qué comprenderá, hará y transferirá el estudiante.
• Plantear un desafío auténtico. Seleccionar una situación significativa, vinculada con la vida, la disciplina o el ejercicio profesional.
• Precisar las acciones. Organizar momentos de exploración, construcción, aplicación, producción, revisión, demostración y reflexión.
• Asignar una función a la IA. Decidir si la herramienta apoyará el estudio, la práctica, la simulación, la investigación, la representación o la creación.
• Seleccionar recursos y fuentes. Aportar materiales confiables, contexto suficiente y criterios explícitos de calidad.
• Comunicar las condiciones de uso. Declarar herramientas permitidas, momentos de uso guiado, momentos de desempeño autónomo, trazabilidad, autoría y protección de datos.
• Diseñar evidencias visibles. Recoger versiones, decisiones, productos, explicaciones, retroalimentaciones y registros de progreso.
• Distribuir la verificación. Incorporar hitos breves al inicio, durante la elaboración, antes de la entrega y en el cierre.
• Enseñar la mejora. Comparar versiones, justificar cambios y documentar los aprendizajes que emergen de la revisión.
• Solicitar transferencia. Aplicar lo aprendido en un caso nuevo, una modificación inesperada o una situación profesional equivalente.

Cinco funciones pedagógicas de la inteligencia artificial

La IA puede cumplir múltiples tareas. Una clasificación funcional facilita la selección de herramientas y mantiene el foco en la experiencia que se desea provocar.

1. Explorar. Abre preguntas, presenta perspectivas, activa conocimientos previos y permite reconocer un campo de estudio.
2. Estudiar. Dialoga con fuentes, organiza conceptos, elabora glosarios, síntesis, mapas y preguntas de comprensión.
3. Practicar. Propone ejercicios graduados, casos, simulaciones, retroalimentación y nuevas oportunidades de resolución.
4. Representar. Transforma ideas en esquemas, líneas de tiempo, infografías, modelos visuales y explicaciones multimodales.
5. Crear. Apoya la producción de informes, proyectos, presentaciones, recursos audiovisuales, prototipos y formatos profesionales.

La herramienta se elige a partir de la función que cumple dentro de la secuencia. Esta decisión favorece una integración intencionada y permite asociar cada uso con una actividad cognitiva y una evidencia concreta.

Tutor, asistente y personaje: tres formas de mediación

Las aplicaciones conversacionales permiten configurar roles pedagógicos distintos. La instrucción, las fuentes cargadas, el tono, las reglas de interacción y la evidencia esperada determinan la experiencia que recibirá el usuario.

Tutor. Acompaña el aprendizaje mediante preguntas progresivas, pistas, retroalimentación y oportunidades de explicación. ChatGPT, Gemini, Claude y Gemini Notebook pueden apoyar experiencias tutoriales sustentadas en instrucciones y fuentes seleccionadas por el docente.

Asistente. Ayuda a ejecutar una tarea específica: estructurar una rúbrica, organizar un informe, proponer preguntas, revisar consistencia o preparar materiales. El asistente amplía la capacidad de planificación y producción del profesor y del estudiante.

Personaje. Asume una identidad para sostener una interacción situada: paciente simulado, usuario de un servicio, testigo histórico, directivo, cliente, actor de un conflicto o profesional que explica una decisión. Poe, junto con las aplicaciones conversacionales anteriores, permite construir bots y experiencias de rol.

El docente define el rol según la experiencia que desea provocar. Un tutor enseña y acompaña; un asistente colabora en una tarea; un personaje representa una situación o identidad. Esta distinción aporta claridad al diseño y mejora la correspondencia entre herramienta, actividad y evidencia.

El esfuerzo cognitivo permanece en el estudiante

Toda propuesta didáctica mediada por IA necesita observar quién realiza las operaciones que producen aprendizaje. El estudiante aprende cuando interpreta información, establece relaciones, decide, prueba, explica, revisa y transfiere. La colaboración con una herramienta puede enriquecer estas operaciones cuando la secuencia conserva decisiones intelectuales sustantivas en manos del estudiante.

El diseño puede distinguir tres escenarios: el estudiante construye y la IA aporta apoyos puntuales; el estudiante colabora con la IA y conserva la responsabilidad de decidir y justificar; la IA produce y el estudiante se concentra en entregar. Los dos primeros escenarios ofrecen mayores oportunidades para recoger evidencias de comprensión, criterio y autonomía.

La fricción cognitiva también cumple una función pedagógica. Buscar una estrategia, sostener una duda, ensayar una respuesta y revisar un error forman parte del aprendizaje. Un tutor bien configurado entrega pistas, formula contrapreguntas y gradúa la ayuda. Esta mediación fortalece la autorregulación y evita que la solución aparezca antes de que el estudiante haya movilizado sus propios recursos.

Tres rutas que el docente combina con intención

La integración didáctica de la inteligencia artificial puede distribuirse en tres rutas complementarias:

• Desempeño autónomo con la IA en pausa. Permite observar conocimientos, habilidades y decisiones propias en diagnósticos, demostraciones breves y actuaciones individuales.
• Aprendizaje sobre IA. Desarrolla alfabetización sobre posibilidades, límites, sesgos, alucinaciones, privacidad, autoría, propiedad intelectual, citación y verificación.
• Aprendizaje con IA. Integra la herramienta para investigar, practicar, simular, crear, revisar, recibir retroalimentación y ampliar formatos de producción.

Las reglas se comunican antes de iniciar la actividad. La consigna declara el propósito, los momentos de uso, las herramientas habilitadas, las fuentes requeridas, la trazabilidad de interacciones, el tratamiento de datos y las responsabilidades de autoría. Esta transparencia convierte la regulación de la IA en parte del diseño pedagógico.

La alfabetización ética gana fuerza cuando trabaja con casos reales. Noticias sobre decisiones profesionales, documentos con referencias inventadas, procesos disciplinarios o evaluaciones vulneradas permiten analizar consecuencias, identificar riesgos y formular buenas prácticas. El caso concreto activa deliberación y conecta el uso responsable con contextos académicos y profesionales.

El aprendizaje se hace visible en cuatro capas

La evaluación alcanza mayor solidez cuando combina varias capas de evidencia. Cada capa responde una pregunta distinta y, juntas, construyen una visión más completa del aprendizaje.

Una evidencia robusta combina al menos dos capas y encuentra su expresión más completa al articular las cuatro. El producto muestra el resultado; el proceso revela la trayectoria; la explicación permite escuchar el razonamiento; la transferencia confirma que el aprendizaje puede movilizarse en otro escenario.

Verificación distribuida y evaluación auténtica

La verificación acompaña toda la secuencia. Un diagnóstico inicial orienta el punto de partida; los hitos durante el trabajo permiten ajustar; una revisión previa a la entrega fortalece el producto; el cierre solicita explicación, defensa, modificación o transferencia. La retroalimentación conecta estos momentos y transforma la evaluación en una oportunidad de aprendizaje.

La evaluación auténtica sitúa al estudiante frente a tareas que poseen sentido disciplinar, social o profesional. Un futuro abogado argumenta ante perspectivas contrapuestas; un estudiante de salud atiende un paciente simulado; un programador repara una vulnerabilidad introducida durante la evaluación; un profesor diseña y ejecuta una microenseñanza; un estudiante de historia interpreta fuentes y toma decisiones dentro de una simulación. La actividad exige desempeño, criterio y justificación.

La evaluación resiliente a la IA incorpora las capacidades actuales de las herramientas y eleva la expectativa sobre el aprendizaje. El estudiante puede investigar, preparar borradores y construir un portafolio con apoyo de IA; la verificación solicita explicar decisiones, modificar una parte, resolver una variación o transferir el conocimiento. El diseño transforma la potencia tecnológica en una oportunidad para profundizar el desempeño.

Diez propuestas didácticas mediadas por IA

1. Cuaderno de autoaprendizaje sustentado en fuentes

Gemini Notebook permite reunir documentos, presentaciones, artículos, videos y apuntes para formular preguntas, generar síntesis y producir recursos de estudio. En julio de 2026 Google comunicó el cambio de nombre desde NotebookLM a Gemini Notebook, manteniendo su orientación hacia la investigación y el aprendizaje. Revisar el anuncio oficial.

Actividad: construir un cuaderno temático y utilizarlo durante varias semanas para responder preguntas, comparar fuentes y elaborar explicaciones. Evidencias: síntesis personal, mapa conceptual, citas verificadas, registro de preguntas y audio explicativo. Verificación: defensa breve y aplicación del contenido en un caso nuevo.

2. Sitio dinámico o panel didáctico

Un panel creado con ChatGPT, Gemini o Claude puede organizar una ruta con conceptos desplegables, casos, simuladores, listas de verificación, preguntas con retroalimentación y evidencias descargables. La secuencia integra contenido, actividad y evaluación en un entorno navegable.

Actividad: recorrer módulos, tomar decisiones y completar una aplicación contextualizada. Evidencias: respuestas, decisiones, plan elaborado y reflexión final. Verificación: revisión del producto descargado y diálogo sobre las decisiones adoptadas.

3. Diálogo socrático con un tutor

Un tutor configurado en ChatGPT, Gemini o Claude plantea una pregunta inicial, solicita fundamentos, formula contrapreguntas, ofrece pistas y conduce hacia una síntesis propia. La instrucción puede graduar la ayuda y reservar la respuesta completa para el cierre.

Actividad: sostener un diálogo sobre un dilema disciplinar. Evidencias: registro de conversación, audio explicativo, tesis personal y nueva resolución. Verificación: defensa de la postura y respuesta ante una objeción inesperada.

4. Paquete de aprendizaje teórico

Una unidad puede combinar lectura base, glosario, mapa conceptual, ejemplos, caso de aplicación, preguntas formativas y test de salida. La IA apoya la elaboración y adaptación de estos componentes; el docente revisa la exactitud, selecciona las fuentes y define la secuencia.

Actividad: estudiar conceptos y aplicarlos en un escenario. Evidencias: explicación del concepto, resolución del caso y autoevaluación. Verificación: pregunta de transferencia y retroalimentación inmediata.

5. Búsqueda profunda y curaduría crítica

Las funciones de investigación profunda de ChatGPT, Gemini y Claude, junto con herramientas especializadas como Consensus, permiten investigar temas complejos. La actividad incorpora una pregunta precisa, criterios de selección, contraste de fuentes y revisión de referencias.

Actividad: construir un informe de estado del conocimiento. Evidencias: pregunta de investigación, estrategia de búsqueda, matriz de fuentes, justificación de selección, referencias correctas y síntesis propia. Verificación: revisión de una muestra de citas y explicación oral del criterio utilizado.

6. Aprender ética desde casos reales

Los casos publicados en prensa y los dilemas del ejercicio profesional permiten localizar hechos, reconocer decisiones, identificar riesgos, analizar consecuencias y formular una regla preventiva. Esta propuesta conecta integridad académica, responsabilidad profesional y uso de IA.

Actividad: analizar un caso y deliberar desde varios roles. Evidencias: ficha del caso, mapa de actores, debate y código breve de buenas prácticas. Verificación: aplicación de la regla formulada a un caso nuevo.

7. Laboratorio de resolución de problemas

El estudiante resuelve un problema con su propio procedimiento, consulta luego una propuesta generada por IA, compara estrategias, detecta diferencias y construye una solución mejorada. La comparación convierte la respuesta de la herramienta en objeto de análisis.

Actividad: resolver, comparar, corregir y mejorar. Evidencias: procedimiento original, explicación paso a paso, nueva solución y defensa. Verificación: variación de datos o condiciones durante la presentación.

8. Portafolio de aprendizaje con IA

El portafolio reúne borradores, instrucciones utilizadas, versiones, retroalimentaciones, decisiones y reflexiones. Puede incorporar un cuaderno en Gemini Notebook con documentos, audios, videos, mapas e infografías producidas durante el semestre.

Actividad: documentar el recorrido completo y someter avances a autoevaluación y coevaluación. Evidencias: bitácora, versiones, comentarios de pares, justificación de cambios y defensa del progreso. Verificación: selección comentada de tres decisiones que transformaron el trabajo.

9. Ensayo, informe o proyecto por iteraciones

La producción se organiza mediante una tesis propia, esquema, primera versión, revisión, segunda versión y memoria de decisiones. La IA puede apoyar preguntas, estructura, contraste y edición; el estudiante conserva la voz, la selección de fuentes y la responsabilidad sobre cada afirmación.

Actividad: elaborar un producto complejo mediante ciclos de mejora. Evidencias: historial de versiones, fuentes verificadas, comentarios recibidos y explicación de cambios. Verificación: defensa oral y modificación de un apartado durante la evaluación.

10. Producción multimodal

Una misma idea puede representarse como presentación, esquema visual, infografía, audio, video o recurso interactivo. Gamma apoya presentaciones y sitios; Napkin AI convierte texto en visualizaciones; Canva permite diseñar piezas visuales y multimedia; Suno facilita la creación musical y sonora.

Actividad: transformar una síntesis disciplinar en dos formatos para públicos diferentes. Evidencias: coherencia entre contenido y formato, explicación del criterio de diseño, créditos y autoría. Verificación: comparación de la eficacia comunicativa y adaptación a un tercer público.

Renovar una propuesta existente: el ejemplo de la Guerra Fría

Una de las experiencias presentadas en la ponencia partió de una propuesta didáctica sobre la Guerra Fría desarrollada en 2005 como parte de mi tesis de pregrado. Esa propuesta reunía ejes cronológicos, análisis de fuentes primarias, carteles de propaganda, mapas, textos y perspectivas historiográficas. La base disciplinar conserva su valor y hoy puede enriquecerse mediante una ruta interactiva.

La versión renovada incorpora líneas de tiempo manipulables, organización de hitos, comparación de bloques, análisis guiado de fuentes, simulación de tensiones internacionales, personajes históricos, preguntas formativas y acceso a la tesis completa. La IA permite actualizar la experiencia conservando el rigor de los contenidos y ampliando las formas de interacción, representación y verificación.

Este ejemplo ofrece una orientación práctica para cualquier disciplina: partir de lo propio, identificar el aprendizaje que sigue vigente, reconocer las actividades que poseen valor y enriquecerlas con nuevas posibilidades. Un recurso previo puede convertirse en simulador, tutor, panel, laboratorio, portafolio o paquete de autoaprendizaje.

Una misma idea cambia según el nivel y el contexto

El diseño ajusta lenguaje, autonomía, complejidad, mediación y evidencia. En edades tempranas la IA se ubica principalmente al servicio del docente y de la creación de materiales. A medida que aumenta la autonomía, el estudiante puede interactuar directamente con tutores, simuladores, cuadernos de fuentes y herramientas de producción.

Presencial, híbrido y virtual: una misma meta, distintas distribuciones

En presencial, la IA prepara y prolonga la clase. Una lectura, un video o un diagnóstico activan el trabajo; el encuentro se concentra en debate, taller, caso y observación directa; el cierre recoge una pregunta de aplicación o un ticket de salida.

En híbrido, los hitos conectan tiempos y espacios. La ruta puede incluir exploración asincrónica, primer producto, encuentro sincrónico, coevaluación, mejora y entrega final. Cada tramo deja una evidencia y prepara el siguiente.

En virtual, la secuencia hace visible la actividad. Objetivos, tiempos, recursos, entregables, interacción, presencia docente y retroalimentación aparecen con claridad. La frecuencia de los hitos ayuda a sostener ritmo, acompañamiento y trazabilidad.

La meta, los criterios y la verificación articulan las tres modalidades. El ambiente redistribuye tiempos, interacción y apoyos; la arquitectura didáctica conserva su coherencia.

Cómo seleccionar herramientas de IA para la docencia

La selección de una aplicación exige observar cinco criterios relacionados entre sí:

• Pertinencia. Aporta al aprendizaje esperado y a la disciplina.
• Actividad cognitiva. Activa pensamiento, decisiones y elaboración del estudiante.
• Viabilidad. Cuenta con acceso, tiempo, soporte y condiciones de uso razonables.
• Seguridad. Protege datos, respeta autoría y se ajusta a las orientaciones institucionales.
• Evidencia. Permite observar avance, decisiones, productos y retroalimentación.

Para estudiar fuentes, Gemini Notebook ofrece un entorno especialmente útil. Para diálogo, tutoría, simulación y creación de asistentes pueden emplearse ChatGPT, Gemini, Claude y Poe. Para investigación académica, Consensus aporta acceso orientado a literatura científica. Para representación y producción multimodal aparecen Napkin AI, Gamma, Canva y Suno.

El mapa de herramientas cambia con rapidez. La competencia más transferible consiste en identificar la función pedagógica, revisar las capacidades actuales, probar con contenidos propios y evaluar la calidad de la evidencia que emerge.

Matriz mínima para convertir una idea en propuesta

Esta matriz puede aplicarse a una clase, una unidad, un proyecto, un taller o una asignatura completa. Su valor reside en obligar al diseñador a conectar la actividad con la evidencia y la evidencia con la verificación.

Lista de verificación antes de implementar

• El propósito formativo aparece con claridad y orienta toda la secuencia.
• La actividad exige interpretar, decidir, crear, explicar, revisar o transferir.
• La función de la IA está definida y es comprendida por estudiantes y docentes.
• Las fuentes y los criterios de calidad son explícitos y verificables.
• La consigna comunica momentos de uso, trazabilidad, autoría y protección de datos.
• La evidencia permite observar producto, proceso, explicación o transferencia.
• Los hitos de verificación se distribuyen durante toda la experiencia.
• La retroalimentación genera una oportunidad real de mejora.
• La evaluación solicita una actuación, decisión justificada o aplicación nueva.
• El acceso, el tiempo y el soporte favorecen una participación equitativa.

Diseñar recursos es diseñar aprendizaje

Las propuestas didácticas mediadas por inteligencia artificial ofrecen una oportunidad extraordinaria para ampliar la enseñanza. El potencial aparece en la capacidad de convertir fuentes, experiencias y conocimientos docentes en rutas que permiten explorar, estudiar, practicar, representar, crear, recibir retroalimentación y transferir.

La responsabilidad pedagógica permanece en el diseño. El propósito dirige; la actividad cognitiva moviliza; el docente media; la IA cumple una función; el proceso deja evidencia; la verificación confirma el aprendizaje; la transferencia demuestra su alcance. Esta arquitectura permite aprovechar la innovación con rigor, creatividad y sentido formativo.

La invitación final consiste en partir de una experiencia propia. Elegir una clase, una evaluación, una guía o un proyecto que ya posea valor; aplicar la matriz mínima; seleccionar una función para la IA; definir una evidencia visible; incorporar hitos de verificación; probar, revisar e iterar. Cada mejora aporta conocimiento pedagógico y fortalece la capacidad institucional de crear experiencias pertinentes para los nuevos escenarios educativos.

Preguntas frecuentes sobre propuestas didácticas mediadas por IA

¿Qué es una propuesta didáctica mediada por inteligencia artificial?

Es una experiencia de aprendizaje planificada que integra herramientas de IA con un propósito formativo, actividades cognitivas, mediación docente, evidencias, criterios de verificación y transferencia.

¿Cuál es el primer paso para diseñarla?

El primer paso consiste en definir el aprendizaje esperado. Luego se selecciona un desafío auténtico y se precisa qué hará el estudiante para demostrar ese aprendizaje.

¿Qué funciones puede cumplir la IA en una propuesta didáctica?

Puede apoyar exploración, estudio, práctica, representación y creación. También puede configurarse como tutor, asistente o personaje según la experiencia buscada.

¿Cómo se hace visible el aprendizaje cuando participa la IA?

La evidencia puede combinar producto, proceso, explicación y transferencia. Versiones, decisiones, retroalimentaciones, defensas y aplicaciones nuevas permiten observar apropiación y autonomía.

¿Cómo se integran las reglas de uso?

La consigna comunica herramientas, momentos, fuentes, trazabilidad, autoría, protección de datos y criterios de calidad antes de comenzar la actividad.

¿Qué caracteriza una evaluación resiliente a la IA?

Reconoce las capacidades de las herramientas, eleva la expectativa de desempeño y solicita decisiones, actuaciones, explicaciones, modificaciones y transferencias que muestran aprendizaje auténtico.

¿Qué herramienta conviene elegir?

La elección depende de la función pedagógica, la actividad cognitiva, la viabilidad, la seguridad y la evidencia esperada. Una comunidad docente puede probar, documentar y compartir resultados para construir criterios institucionales.

Sobre la autora

Ana Henríquez Orrego es profesora de Historia, académica del Observatorio de IA en Educación de la Universidad de Las Américas, Chile, y especialista en calidad de la educación superior, diseño curricular, evaluación de aprendizajes e integración responsable de inteligencia artificial en contextos educativos. Comparte recursos, entrevistas, conferencias y experiencias en su canal de YouTube y en su perfil de LinkedIn.