La inteligencia artificial generativa ya no es una novedad lejana en educación. Hoy, herramientas como los modelos de lenguaje de gran escala (como LLMs) pueden resolver preguntas, corregir textos, generar ejercicios, apoyar la evaluación, crear materiales didácticos y hasta personalizar rutas de aprendizaje. Pero frente a este escenario surge una pregunta inevitable: ¿estamos ante una tecnología que transformará profundamente la educación o ante una herramienta poderosa que todavía necesitamos aprender a usar con cuidado?
El artículo revisa los avances recientes en el uso de modelos de lenguaje en contextos educativos y propone una mirada amplia sobre sus principales aplicaciones. Por un lado, estos modelos pueden apoyar directamente al estudiantado: ayudan a resolver dudas, corregir errores, generar explicaciones y ofrecer pistas cuando una persona no entiende un tema. Por otro lado, también pueden apoyar al profesorado en tareas que consumen mucho tiempo, como elaborar preguntas, calificar respuestas, crear materiales o diseñar recursos de aprendizaje. En ese sentido, la IA puede convertirse en una aliada para liberar tiempo docente y fortalecer el acompañamiento pedagógico.
No obstante, en la investigación también se deja claro que no basta con integrar tecnología por entusiasmo. Los modelos de lenguaje todavía pueden cometer errores, inventar información, reproducir sesgos, generar respuestas poco adecuadas al nivel del estudiante o favorecer una dependencia excesiva. En educación, estos riesgos son especialmente delicados, porque una respuesta incorrecta puede instalar aprendizajes equivocados, una retroalimentación sesgada puede afectar la trayectoria de un estudiante y un uso acrítico puede debilitar habilidades como la escritura, la creatividad y el pensamiento crítico. Entonces, la pregunta no es solo qué puede hacer la IA, sino qué tipo de aprendizaje queremos promover con ella.
Uno de los aportes más interesantes del artículo es que no se queda únicamente en las aplicaciones visibles, sino que también revisa las técnicas que permiten mejorar el funcionamiento de estos modelos en educación. Entre ellas están el diseño de instrucciones o prompts, la recuperación de información desde fuentes confiables, los sistemas multiagente y el ajuste fino de modelos especializados. Dicho de manera sencilla: no se trata solo de “preguntarle a la IA”, sino de diseñar sistemas pedagógicos más cuidadosos, con fuentes verificables, criterios claros, participación humana y objetivos educativos bien definidos.
El artículo también identifica rutas importantes para el futuro: desarrollar modelos alineados con intereses pedagógicos, crear sistemas multiagente donde docentes e IA colaboren, fortalecer el soporte multimodal y multilingüe, mejorar la eficiencia tecnológica y atender con seriedad la privacidad, la seguridad y la ética. Esto último es fundamental: si la IA educativa no se diseña con criterios de justicia, inclusión y transparencia, puede ampliar brechas en lugar de reducirlas. Tal vez la reflexión más importante sea esta: la inteligencia artificial puede transformar la educación, pero solo si la ponemos al servicio del aprendizaje humano, no al revés. Wang, S., Xu, T., Li, H., Zhang, C., Liang, J., Tang, J., Yu, P. S., & Wen, Q. (2025). Large language models for education: A survey and outlook. IEEE Signal Processing Magazine, 42(6), 51–63. https://doi.org/10.1109/MSP.2025.3594309
Fuente de la imagen
OpenAI. (2026). Modelos de lenguaje en educación: entre la promesa de personalizar el aprendizaje y el reto de usarlos con criterio [Imagen generada por inteligencia artificial]. ChatGPT
