La IA educativa empieza a enseñar de otra manera: practicar, recibir feedback y volver a intentarlo

IA y educación · Actualidad del 24 al 30 de octubre de 2026

Durante los primeros años de la inteligencia artificial generativa, una parte de las actividades educativas consistía en pedir a una herramienta que produjera algo: un texto, un resumen, una presentación o una solución.

Pero esta semana varias iniciativas en España y Europa apuntan hacia una utilización diferente. En lugar de limitarse a producir respuestas, la IA empieza a incorporarse a propuestas para practicar una competencia, recibir retroalimentación y mejorar mediante nuevos intentos.

Las jornadas JIUTE 2026, iniciadas el 29 de octubre en la Universidad a Distancia de Madrid (UDIMA), incluyen propuestas de lectura activa, ensayo oral, simulación y evaluación formativa. Ese mismo día, la Universidad de Burgos abrió una nueva convocatoria de formación docente que insiste en rediseñar tareas para preservar la comprensión y el esfuerzo cognitivo. En Ámsterdam, un encuentro europeo celebrado los días 29 y 30 plantea cómo conectar la investigación sobre IA con su aplicación real en el aula. Y el 28 de octubre, el proyecto europeo GenAISA puso el foco en los itinerarios formativos, los entornos de aprendizaje y la certificación de competencias. Fuentes: UDIMA, Universidad de Burgos, Vrije Universiteit Amsterdam y GAIA–GenAISA.

No son resultados definitivos de eficacia pedagógica. Son programas, experiencias presentadas y propuestas formativas que todavía deben evaluarse. Pero, consideradas conjuntamente, permiten formular una pregunta interesante:

Qué encontrarás: ejemplos y criterios para utilizar la IA como entorno de práctica, retroalimentación y mejora sin sustituir la actuación del alumnado.

Del producto terminado al proceso de aprendizaje

Pensemos en una actividad habitual: preparar una exposición oral.

Con una IA generativa, el estudiante puede obtener un guion perfectamente estructurado en pocos segundos. El producto mejora, pero eso no demuestra que haya aprendido a explicar, argumentar o responder preguntas.

Ahora imaginemos otro uso. El estudiante prepara su exposición, ensaya ante un sistema que le plantea preguntas, detecta los puntos que no ha explicado bien y vuelve a intentarlo. La IA no sustituye la actuación del alumno: le proporciona un entorno adicional de práctica.

La diferencia no está necesariamente en el modelo utilizado, sino en la función pedagógica que le asignamos.

Podemos distinguir tres usos:

• Producir: la IA genera una respuesta o un material.
• Acompañar: la IA proporciona pistas, preguntas o explicaciones durante la tarea.
• Entrenar: la IA facilita ensayos sucesivos, retroalimentación y oportunidades para demostrar una mejora.

Los tres pueden ser útiles. Pero el tercero resulta especialmente prometedor cuando queremos desarrollar competencias que requieren repetición, revisión y toma de decisiones.

Madrid: lectura activa, ensayo oral y evaluación formativa

El programa oficial de las VIII Jornadas de Innovación Universitaria InnovaUDIMA con Tecnología Educativa (JIUTE 2026), celebradas los días 29 y 30 de octubre, ofrece ejemplos concretos de esta dirección. Su lema es De la innovación a la transformación educativa. Programa oficial de UDIMA.

En la mesa del 29 de octubre dedicada a estudios y aplicaciones de IA educativa figuran tres propuestas especialmente relacionadas con la práctica del alumnado.

Buddy se presenta como un sistema de lectura activa basado en inteligencia artificial para favorecer la recuperación de información en educación superior. Su interés pedagógico está en una distinción importante: leer una explicación no equivale a poder recuperar y utilizar después lo aprendido.

AIRE-APT se anuncia como un marco de diseño pedagógico con intervención humana (human-in-the-loop) para entornos de ensayo oral mediados por IA. Aquí la herramienta se sitúa alrededor de una actividad que el estudiante debe realizar, en lugar de limitarse a escribir por él.

La tercera propuesta aborda una evaluación formativa con IA que reproduce criterios docentes para ofrecer retroalimentación accionable. El planteamiento invita a pensar en comentarios que sirvan para revisar un trabajo, no únicamente para asignar una calificación.

El programa incluye asimismo una experiencia de simulación interactiva y evaluación formativa en Formación Profesional, centrada en el diseño de un simulador de nóminas. No se presenta como un estudio de eficacia de IA, pero refuerza la misma idea: aprender realizando operaciones y tomando decisiones en un entorno de práctica.

Burgos: formar al docente para que la IA no haga desaparecer la tarea

La Universidad de Burgos publicó el 29 de octubre la convocatoria de la segunda edición del curso IA en el aula: criterio pedagógico, herramientas de IA y normativa para docentes. Está dirigido a profesorado de distintas etapas, incluida Formación Profesional, y se plantea como una formación en línea de ocho horas. Convocatoria oficial.

Lo interesante es la combinación de objetivos. La propuesta no se limita a aprender a utilizar ChatGPT, Gemini, Copilot o NotebookLM. Incluye el impacto de la IA en la memoria, el error, la autoría y el esfuerzo cognitivo; el rediseño de tareas; la protección de datos; y el marco normativo europeo.

Es una señal relevante porque el principal problema de muchas actividades con IA no se resuelve añadiendo un aviso al final del enunciado.

Si una actividad puede completarse copiando directamente una respuesta, el profesorado necesita decidir qué evidencia permitirá comprobar que el estudiante ha desarrollado la competencia.

La formación docente empieza así a desplazarse de «cómo obtengo un buen resultado» a «cómo diseño una tarea en la que el alumno tenga que aprender».

Europa: conectar la investigación con la realidad del aula

Los días 29 y 30 de octubre, la Vrije Universiteit Amsterdam organiza la conferencia AI for Education The Netherlands 2026, bajo la idea Research meets Practice: Bridging the Gap between Research and Classroom Implementation. Programa institucional.

El encuentro reúne líneas sobre desarrollo profesional docente, experiencias de adopción en aulas, oportunidades y riesgos de la IA generativa, ética y políticas de implementación.

El propio programa incluye una pregunta que resume el problema educativo de fondo: ¿qué debemos seguir enseñando cuando las máquinas pueden generar casi cualquier cosa?

No necesitamos anticipar las conclusiones de las ponencias para reconocer la importancia del planteamiento. La distancia entre una demostración tecnológica y una mejora educativa real continúa siendo considerable.

Una herramienta puede parecer útil en una prueba breve y resultar poco adecuada para un grupo con diferentes niveles, necesidades de apoyo o condiciones de acceso. Por eso, las experiencias necesitan contrastarse con evidencias de aula, no únicamente con ejemplos espectaculares.

Aprender IA también exige itinerarios y competencias reconocibles

La cuarta pieza de la semana procede de GenAISA, un proyecto europeo dedicado a la formación en inteligencia artificial generativa. El 28 de octubre estaba programado su segundo taller europeo, orientado a educadores y formadores, dentro de las actividades de la European AI Innovation Month 2026. Información de GAIA, entidad participante.

Su propuesta conecta tres elementos: currículo y competencias, entornos digitales de aprendizaje y certificación.

Esta combinación importa especialmente en Formación Profesional. No basta con que el alumnado haya utilizado una herramienta en una actividad. Deberíamos poder describir qué sabe hacer, en qué condiciones y con qué nivel de autonomía.

Por ejemplo, «utiliza IA para marketing» es una descripción demasiado amplia. Resulta más útil comprobar si puede analizar críticamente una propuesta comercial, proteger los datos de clientes, detectar información no verificada y justificar una decisión.

Certificar competencias exige definirlas y recoger evidencias. Y eso nos devuelve al mismo punto: la IA educativa debe contribuir a que el estudiante haga, revise y demuestre, no solo a que entregue.

Una actividad de FP: entrenar la atención al cliente de una tienda online

Podemos trasladar esta idea a una situación profesional de Comercio Electrónico.

Imaginemos que el alumnado está preparando la atención al cliente de su tienda en PrestaShop.

Una actividad convencional podría consistir en pedir a la IA que redacte diez respuestas para preguntas frecuentes. El resultado puede ser correcto, pero ofrece pocas evidencias sobre la capacidad del alumno para gestionar una incidencia.

1. El docente proporciona las condiciones de venta de una tienda ficticia y tres incidencias: un retraso, una devolución y un producto defectuoso.
2. El estudiante responde inicialmente sin ayuda, justificando cómo interpreta las condiciones de la tienda.
3. Una IA, con datos ficticios y bajo supervisión docente, representa al cliente y plantea una objeción o una pregunta adicional.
4. El estudiante revisa su respuesta, contrasta las condiciones aplicables y propone una solución.
5. Finalmente, compara sus dos intentos y explica qué ha corregido y por qué.

La evaluación no dependería únicamente del mensaje final. Podríamos observar la precisión de la información, la claridad de la comunicación, la adecuación de la solución, la capacidad de revisión y la justificación profesional.

La IA actuaría como entorno de práctica, no como sustituto del trabajador que estamos formando.

Impacto práctico para los centros educativos

Para los equipos directivos

Antes de incorporar una nueva plataforma conviene pedir que se concrete qué competencia pretende desarrollar, qué datos necesita, cómo se supervisa y qué evidencias permitirán valorar su utilidad. Una experiencia piloto pequeña, documentada y revisable puede aportar más información que una implantación general sin criterios de evaluación.

Para el profesorado

La pregunta útil no es solamente si una IA genera buenos materiales. También es si permite que el alumnado practique mejor. Podemos empezar con una actividad ya existente y añadir un ciclo de primer intento, retroalimentación, revisión y defensa de las decisiones, sin automatizar la calificación ni delegar el juicio docente.

Para el alumnado

Utilizar IA para aprender significa ser capaz de explicar qué cambió entre el primer intento y el segundo. No se trata de acumular respuestas cada vez más pulidas, sino de identificar errores, comprender las correcciones y poder aplicar lo aprendido en una situación nueva.

La próxima innovación educativa quizá sea volver a intentarlo

Las iniciativas de esta semana no prueban que los sistemas presentados sean ya eficaces ni que una formación concreta vaya a transformar por sí sola las aulas.

Sí permiten observar una dirección interesante: la IA se está explorando como instrumento para practicar, recibir orientación y construir evidencias de aprendizaje.

En lugar de preguntar únicamente cuánto tiempo ahorra una herramienta, podríamos empezar a preguntarnos cuántas oportunidades de aprendizaje proporciona y qué hace el estudiante con ellas.

Un buen asistente educativo no debería limitarse a ofrecer una solución brillante.

Debería ayudar a que el estudiante pudiera llegar a una solución mejor, explicar cómo lo hizo y repetir el proceso con mayor autonomía.

Para seguir profundizando

Fuentes principales