La sesión de la Comunidad IA abordó el uso de agentes inteligentes y entornos cognitivos de aprendizaje integrados en Moodle. La exposición estuvo a cargo de Diego Quisi, especialista en inteligencia artificial aplicada a educación, quien presentó una solución orientada a optimizar procesos académicos, administrativos y de acompañamiento estudiantil dentro de plataformas LMS.  

El punto de partida fue diferenciar la inteligencia artificial generativa de los agentes inteligentes. Mientras la primera permite crear contenido en formatos como texto, imagen, audio o código, los agentes incorporan capacidades de razonamiento, planificación, ejecución y validación. En el contexto educativo, esta arquitectura permite automatizar tareas, consultar información institucional y generar respuestas contextualizadas a partir de los datos disponibles en el entorno de aprendizaje. 

Durante la demostración, se mostró cómo un plugin instalado en Moodle puede apoyar al administrador mediante reportes sobre consumo de recursos, interacción de usuarios, rendimiento por cursos y seguimiento de estudiantes. Para el docente, la herramienta permite identificar estudiantes en riesgo académico, analizar actividades con bajo desempeño, generar informes, crear presentaciones, diseñar tareas y elaborar rúbricas desde instrucciones en lenguaje natural. 

La sesión también presentó el uso del agente desde la perspectiva del estudiante. En este caso, el sistema funciona como tutor adaptativo, capaz de explicar conceptos, generar simulaciones, proponer analogías según los intereses del usuario, ofrecer guías de estudio y crear cuestionarios de autoevaluación. El objetivo no es reemplazar el rol docente, sino ampliar las posibilidades de acompañamiento, especialmente en cursos con grupos numerosos o con necesidades diferenciadas de aprendizaje. 

Un aspecto relevante de la discusión fue la seguridad de los datos. Quisi señaló que el plugin puede instalarse dentro de la infraestructura de la universidad, bajo su propia soberanía de datos, y conectarse a modelos de lenguaje propios o de terceros. Asimismo, explicó que el sistema puede configurarse con el modelo pedagógico institucional y con reglas adicionales para asegurar que las respuestas mantengan criterios académicos, culturales y éticos definidos por la institución. 

La presentación permitió observar cómo los agentes de IA pueden transformar el uso de los LMS al integrar analítica, automatización y personalización en una misma plataforma. Su aplicación plantea oportunidades para reducir la carga operativa del docente, fortalecer el aprendizaje autónomo del estudiante y facilitar decisiones basadas en datos, siempre que su implementación considere criterios pedagógicos, infraestructura adecuada y una gobernanza clara. 

¿Te gustaría participar activamente en la Comunidad IA en Educación?     

Si quieres ser parte de nuestras sesiones virtuales y contribuir a este espacio de aprendizaje e intercambio, completa el siguiente formulario. Así podremos conocerte mejor y enviarte el enlace para unirte a las reuniones en vivo: https://forms.office.com/r/6nCJ4wtVaS  

Mira el video completo de la sesión: 

La sesión de la Comunidad IA del 8 de mayo abordó el uso de inteligencia artificial para evaluar competencias transversales en educación superior, a partir de la presentación de Juan Pablo Delacroix, CEO y cofundador de Reskilling AI. La exposición planteó una discusión relevante para las instituciones educativas: cómo pasar de una evaluación centrada en rúbricas y percepciones individuales hacia sistemas capaces de generar evidencia más objetiva, escalable y útil para la toma de decisiones académicas.  

Delacroix señaló que el avance de la inteligencia artificial está acelerando la obsolescencia de algunas competencias técnicas y, al mismo tiempo, incrementando el valor de habilidades humanas como pensamiento crítico, comunicación, adaptabilidad, resiliencia y trabajo en equipo. En este contexto, las universidades enfrentan el desafío de actualizar sus procesos formativos y de evaluación para responder a las demandas del mercado laboral, que cada vez exige perfiles con mayor capacidad de adaptación y resolución de problemas. 

Uno de los puntos centrales de la sesión fue la dificultad de medir estas competencias a gran escala. Aunque muchas instituciones utilizan rúbricas, autoevaluaciones u observaciones docentes, estos mecanismos pueden estar condicionados por sesgos, diferencias de criterio y limitaciones de tiempo. Frente a ello, se presentó una propuesta basada en el análisis de respuestas de audio mediante inteligencia artificial, que permite observar tanto el contenido de lo que expresa el estudiante como ciertos elementos prosódicos vinculados a la forma en que responde. 

La herramienta expuesta trabaja con preguntas abiertas y reflexivas, diseñadas para obtener respuestas auténticas y evitar formatos cerrados en los que el estudiante pueda anticipar la opción esperada. A partir de esas respuestas, el sistema analiza competencias cognitivas, sociales, emocionales y de acción, generando reportes individuales y tableros agregados. Estos datos permiten identificar brechas respecto del perfil de egreso, orientar intervenciones formativas y realizar mediciones longitudinales sobre la evolución de los estudiantes. 

Durante el diálogo con los participantes, se abordaron aspectos prácticos de la evaluación, como la cantidad de preguntas, el tiempo estimado para responder y la retroalimentación generada por el sistema. También se discutió la necesidad de validar científicamente este tipo de instrumentos, así como su posible utilidad para procesos de acreditación, empleabilidad y emisión de microcredenciales. La conversación permitió situar la inteligencia artificial no solo como una herramienta de eficiencia o control, sino como un recurso para comprender mejor el desarrollo de competencias humanas. 

La sesión dejó abierta una reflexión clave para la educación superior: si las competencias transversales son cada vez más relevantes para el desempeño profesional, las instituciones necesitan mecanismos rigurosos para medirlas, acompañarlas y evidenciar su progreso. En ese sentido, la inteligencia artificial puede contribuir a fortalecer la evaluación académica, siempre que se integre con criterios pedagógicos, validación científica y una lectura ética de los datos. 

¿Te gustaría participar activamente en la Comunidad IA en Educación?     

Si quieres ser parte de nuestras sesiones virtuales y contribuir a este espacio de aprendizaje e intercambio, completa el siguiente formulario. Así podremos conocerte mejor y enviarte el enlace para unirte a las reuniones en vivo: https://forms.office.com/r/6nCJ4wtVaS  

Mira el video completo de la sesión: 

En Rayuela, esa novela inclasificable de Julio Cortázar, un personaje dice que la única manera de salvarse es creando. Crear es, en cierto modo, una forma de resistencia. Y hoy, diseñar experiencias de aprendizaje motivadoras, activas y transformadoras en tiempos de inteligencia artificial, también lo es.

Vivimos una era en la que la IA genera textos, resuelve problemas, redacta correos, propone evaluaciones, sugiere dinámicas de clase e incluso crea diseños instruccionales. La tentación de delegarle todo es tan grande como el riesgo de perder el propósito pedagógico en el camino. Frente a la fascinación tecnológica, el diseño instruccional debe recordarnos constantemente el para qué diseñamos y para quién enseñamos.

En mi experiencia liderando equipos de diseño educativo en una universidad peruana, la IA se ha vuelto una compañera de ruta. Lejos de desplazar a los diseñadores, ha redefinido nuestros roles: ahora somos curadores de contenidos generados con IA, estrategas de interacción humano-máquina, y arquitectos de experiencias donde el centro ya no es la información, sino el compromiso del estudiante.

Un estudiante sin compromiso puede ser un desafío para el que la IA todavía no está preparada. Este es un reto más profundo que ha comenzado a ocurrir y al que los diseñadores humanos hoy nos enfrentamos a través de nuestro trabajo cotidiano.

La diferencia entre usar IA y diseñar con IA

No toda integración de inteligencia artificial en educación es equivalente. Existe una diferencia fundamental entre el uso instrumental de la IA y lo que propongo llamar “diseñar con fuego”.

El uso instrumental se caracteriza por la eficiencia sobre el propósito: se emplea IA para hacer lo mismo de siempre, pero más rápido. El profesor se convierte en ejecutor de recursos generados automáticamente, mientras el estudiante permanece en una posición pasiva, recibiendo contenidos sin proceso reflexivo genuino. Las interacciones son superficiales—preguntas cerradas que generan respuestas automáticas—y la medición se limita a completar tareas o consumir contenido.

Diseñar con fuego, en contraste, subordina la IA a objetivos pedagógicos específicos. El profesor actúa como arquitecto de la experiencia completa, no como mero usuario de herramientas. El estudiante se convierte en protagonista de su aprendizaje, y la IA facilita su autoconocimiento y autonomía a través de interacciones socráticas que generan preguntas reflexivas, no solo respuestas. Los resultados se evidencian en transformaciones observables del pensamiento crítico y la metacognición.

Un caso concreto: el mentor de éxito personal

En una de nuestras experiencias más significativas, diseñamos un curso de introducción a la vida universitaria para estudiantes de primer ciclo. Decidimos ir más allá del uso instrumental de la inteligencia artificial e incorporamos en la ruta de aprendizaje la herramienta Conversation IA de nuestra plataforma, pero con un diseño pedagógico intencional.

A este tutor conversacional le dimos una personalidad cuidadosamente definida como Mentor de Éxito Personal, con características específicas:

  • Tono: Motivador, empático y orientado a la acción
  • Rol: Asesor confiable que ayuda al estudiante a organizar y consolidar su aprendizaje
  • Objetivos claros: Facilitar reflexión profunda sobre el progreso, identificar conexiones entre principios del curso y desarrollo personal, optimizar objetivos SMART, e impulsar autoconfianza

La experiencia se articuló alrededor de una pregunta generativa: “¿Cómo puedo integrar y mejorar mi Plan de Éxito Personal basándome en las reflexiones, estrategias y objetivos que he desarrollado durante el curso?”

Esta pregunta no buscaba respuestas cerradas, sino que invitaba a la síntesis, la integración y la proyección personal. El mentor no proporcionaba recetas, sino que acompañaba a los estudiantes en un proceso socrático de autodescubrimiento.

Resultados que evidencian la transformación

Los resultados fueron reveladores. En la encuesta final del curso, los estudiantes identificaron el Plan de Éxito Personal como una de las actividades más significativas, destacando que les ayudó a organizar metas, reafirmar valores y visualizar logros.

Más importante aún, reportaron un impacto emocional y motivacional profundo: muchos mencionaron que la experiencia les ayudó a creer en su capacidad y a entender mejor su propósito. Los estudiantes no solo interactuaron con la IA como herramienta, sino que la percibieron como espejo de sus propios procesos.

Lo significativo no fue únicamente el diseño de la IA, sino todo lo que ocurrió alrededor: cómo se preparó el escenario, cómo se acompañó su uso en clase, cómo se integraron las conversaciones con actividades reflexivas y cómo se cerró el proceso con ejercicios de escritura personal.

Criterios para reconocer el “diseño con fuego”

De esta y otras experiencias similares, emergen criterios específicos que permiten distinguir entre el uso instrumental y el diseño pedagógico auténtico:

Criterios de proceso:

  • Propósito pedagógico explícito: La IA se diseña para objetivos de aprendizaje específicos, no para eficiencia general
  • Personalización intencional: Se define una “personalidad” o rol con características que sirven funciones pedagógicas concretas
  • Preguntas generativas: Se privilegian interacciones que abren reflexión sobre respuestas que la cierran
  • Integración curricular: La experiencia con IA se conecta orgánicamente con otros componentes del curso

Criterios de resultado:

  • Metacognición evidenciable: Los estudiantes pueden articular qué y cómo aprendieron
  • Transferencia auténtica: Conectan la experiencia con situaciones reales de su vida
  • Autonomía progresiva: Van necesitando menos guía externa con el tiempo
  • Transformación de perspectiva: Evidencian cambios en su manera de pensar o verse a sí mismos

Implicaciones para la práctica

En la actualidad desarrollamos, con docentes de distintas disciplinas, un proceso formativo que va más allá del uso instrumental. Les enseñamos a diseñar prompts que no solo generan textos, sino que transforman la práctica pedagógica desde la raíz. Prompts para rediseñar sílabos, crear rúbricas auténticas, construir experiencias de aprendizaje activo, guiar la producción de recursos, idear evaluaciones retadoras, revisar guiones de video o materiales interactivos.

En manos críticas y creativas, la IA deja de ser un atajo y se convierte en catalizador. Pero nada de eso es suficiente si no hay el fuego que tiene un buen profesor—aquel que inspira con el ejemplo en cada uno de sus actos, aquel que crea experiencias de aprendizaje auténticas.

Las investigaciones recientes lo respaldan. Holmes et al. (2019) sostienen que el uso de inteligencia artificial en educación puede enriquecer la motivación intrínseca, siempre que se diseñen experiencias que integren aspectos cognitivos, emocionales y sociales del aprendizaje. Asimismo, estudios como el de Dwivedi et al. (2021) destacan que los estudiantes se comprometen más cuando interactúan con sistemas de IA que les permiten explorar, tomar decisiones y recibir retroalimentación significativa, en lugar de limitarse a recibir respuestas automáticas.

El riesgo de la simplificación

El riesgo está en la simplificación. Un curso diseñado solo con actividades generadas por IA puede volverse predecible, superficial, desprovisto de humanidad. Enseñar en tiempos de IA exige más que nunca volver al centro: el estudiante como sujeto, no como usuario. Y el docente como creador, no como ejecutor de recetas.

Diseñar con IA no es solo generar recursos más rápido, sino imaginar nuevas formas de interacción que antes eran impensables. Relaciones humano-máquina que se complementan con relaciones humano-humano, creando ecosistemas de aprendizaje más ricos y auténticos.

Conclusión: crear como forma de resistencia

Enseñar sigue siendo un acto profundamente humano, profundamente creativo. Si la IA ha llegado para quedarse, será nuestra tarea usarla no para sustituirnos, sino para retarnos a enseñar mejor.

Como dice Cortázar, hay que “buscar sin descanso, sabiendo que la única salvación es crear”. Y quizás hoy, en tiempos de IA, diseñar con fuego—con intención, con visión pedagógica, con el estudiante como centro—sea una de las formas más potentes de crear.

Porque al final, la pregunta no es si la IA transformará la educación, sino si nosotros, como diseñadores y educadores, tendremos el fuego suficiente para dirigir esa transformación hacia experiencias verdaderamente humanas y transformadoras.

Referencias

Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign. https://curriculumredesign.org/wp-content/uploads/AIED-Book-Excerpt-CCR.pdf

Dwivedi, Y. K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., … & Williams, M. D. (2021). Artificial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 57, 101994. https://doi.org/10.1016/j.ijinfomgt.2019.08.002