La inteligencia artificial puede ayudar a un docente a adaptar un texto, preparar actividades, generar ejemplos, traducir materiales o encontrar nuevas formas de explicar un concepto. También puede facilitar que un estudiante reciba apoyo inmediato, explore ideas o supere determinadas barreras. Pero cada una de estas posibilidades abre una pregunta incómoda: ¿qué ocurre cuando la ayuda empieza a sustituir el proceso que pretendía mejorar?
Este artículo parte de cuatro informes Deep Research (elaborados con ChatGPT, Gemini, Qwen y Mistral y revisados por humanos) sobre los aspectos éticos del uso de la inteligencia artificial en la educación en España y la Unión Europea. Contienen diferencias de profundidad y calidad documental, pero también un núcleo muy claro de preocupaciones compartidas. A partir de esas coincidencias, y tras contrastar sus principales afirmaciones con documentos institucionales, proponemos una síntesis valorada de siete dilemas éticos especialmente relevantes para docentes de Primaria y Secundaria.
El tema en 1 minuto
☑️ La ética de la IA educativa no se limita al plagio, la protección de datos o el cumplimiento de una norma. También obliga a preguntarse qué entendemos por aprender, enseñar, crear, acompañar y tomar una decisión educativa.
☑️ Una misma herramienta puede producir efectos opuestos. Puede mejorar la accesibilidad o generar nuevas desigualdades; estimular el pensamiento o reemplazarlo; liberar tiempo docente o erosionar competencias profesionales; personalizar el aprendizaje o convertir al estudiante en un perfil de datos.
☑️ Completar correctamente una tarea con ayuda de IA no significa necesariamente haber aprendido. El resultado puede mejorar mientras la comprensión, la autonomía o la capacidad de actuar sin la herramienta permanecen igual o incluso disminuyen.
☑️ El problema ético no está solamente en usar o no usar IA. Depende de para qué se utiliza, qué parte del trabajo se delega, qué datos se comparten, quién supervisa el resultado y qué consecuencias tiene sobre el aprendizaje y las relaciones educativas.
☑️ ¿Por qué debería importarle esto a un docente? Porque las decisiones cotidianas sobre actividades, materiales, explicaciones, tareas y comunicación con el alumnado ya incorporan valores, aunque no las llamemos decisiones éticas. La IA hace más visibles esas elecciones y aumenta sus posibles efectos.
La paradoja pedagógica de la inteligencia artificial
El informe elaborado con Qwen utiliza la expresión «paradoja de la dependencia cognitiva» para describir una de las tensiones centrales de la IA educativa: una tecnología creada para ampliar nuestras capacidades puede terminar debilitándolas si delegamos en ella de forma sistemática las operaciones necesarias para desarrollarlas.
Podemos extender esta idea y hablar de una paradoja pedagógica. La IA puede facilitar una tarea sin mejorar el aprendizaje que esa tarea pretendía provocar. Puede producir una buena redacción sin que el estudiante haya aprendido a ordenar sus ideas; resolver un problema sin que comprenda el procedimiento; resumir un texto sin que haya tenido que distinguir lo principal de lo secundario; o crear una programación didáctica sin que el docente haya tomado las decisiones que le dan coherencia.
⚠️ La diferencia entre rendimiento y aprendizaje es fundamental. El OECD Digital Education Outlook 2026 advierte de que el acceso a herramientas generales de IA generativa puede mejorar la calidad inmediata de las respuestas sin producir ganancias equivalentes de aprendizaje. Cuando la herramienta desaparece, esa ventaja puede desaparecer con ella. La OCDE no concluye que la IA perjudique siempre al aprendizaje, sino algo más útil: sus efectos dependen del propósito pedagógico, del diseño de la actividad y del tipo de esfuerzo que se delega.
Esta paradoja aparece también fuera del terreno cognitivo. Para personalizar más es necesario conocer más sobre el estudiante, pero recopilar más datos aumenta los riesgos para su privacidad. Automatizar tareas puede liberar tiempo para la relación educativa, pero también puede utilizarse para reducir esa relación. Facilitar el acceso puede favorecer la inclusión, aunque las mejores prestaciones queden reservadas a quienes pueden pagarlas.
Por tanto, la pregunta ética no es si una herramienta funciona. Es qué capacidad amplía, qué proceso sustituye, quién se beneficia y qué podemos perder al utilizarla.
Dilema 1. Personalización frente a privacidad
👉 Una de las promesas más repetidas de la IA educativa es la personalización. Un sistema puede adaptar el nivel de dificultad, detectar errores frecuentes, recomendar recursos o ajustar una explicación a las necesidades de cada estudiante. Pero cuanto más individualizada sea la respuesta, más información necesitará el sistema.
En educación no trabajamos con datos neutros. Un nombre puede estar asociado a calificaciones, dificultades de aprendizaje, observaciones de conducta, adaptaciones, situación familiar, discapacidad, voz, imagen o conversaciones personales. En el caso de niños y adolescentes, la asimetría es todavía mayor: difícilmente pueden comprender qué ocurre con sus datos, durante cuánto tiempo se conservan o para qué otros fines podrían utilizarse.
Los cuatro informes sitúan la privacidad entre sus preocupaciones prioritarias. El informe de ChatGPT lo resume así: «En educación no se manejan datos neutros, sino información sobre menores, trayectorias de aprendizaje, evaluaciones, dificultades, discapacidad y orientación».
UNESCO y UNICEF insisten en un enfoque adecuado a la edad, centrado en los derechos de la infancia y con protección de la privacidad desde el diseño. Esto no significa que toda personalización sea cuestionable, sino que la utilidad educativa no justifica por sí sola la recopilación de cualquier dato.
Para un docente, la tensión aparece cuando una herramienta resulta cómoda, pero no está claro qué hace con la información introducida. También aparece cuando se pide al alumnado que cree cuentas personales o acepte condiciones de uso para participar en una actividad obligatoria. El consentimiento deja de ser realmente libre si rechazarlo supone no poder realizar la tarea en condiciones equivalentes.
El principio ético más prudente es la proporcionalidad: utilizar solo los datos imprescindibles y preguntarse si la misma finalidad puede alcanzarse sin identificar al estudiante. La personalización puede ser valiosa, pero no debería convertir la intimidad educativa en materia prima tecnológica.
Dilema 2. Inclusión frente a nuevas desigualdades
👉 La IA puede ofrecer apoyos muy valiosos: lectura fácil, traducción, subtítulos, conversión de voz en texto, adaptación inicial de materiales o asistencia para alumnado con dificultades visuales, auditivas, lingüísticas o de expresión escrita. En estos casos, la tecnología puede ampliar la participación y reducir barreras que antes exigían mucho tiempo o recursos.
Sin embargo, el acceso a la IA no es igual para todos. Hay diferencias en dispositivos, conexión, calidad de las cuentas, apoyo familiar, competencia digital y capacidad para formular buenas instrucciones. La brecha ya no consiste únicamente en tener o no tener acceso a internet; también afecta al tipo de modelo disponible, a la calidad de su uso y a la posibilidad de verificar sus respuestas.
A esto se añaden los sesgos. Los sistemas aprenden a partir de grandes conjuntos de datos que contienen desigualdades, estereotipos y ausencias. Pueden representar de forma limitada ciertas culturas, lenguas, dialectos, tipos de familia o discapacidades. También pueden responder peor a formas de expresión alejadas de los patrones dominantes y presentar como neutral una visión parcial del mundo.
La paradoja es clara: una herramienta con enorme capacidad para compensar desigualdades también puede automatizarlas. Un sistema que ofrece buenos resultados para la mayoría puede seguir siendo injusto para grupos concretos. Y cuanto mayor sea la confianza en su aparente objetividad, más difícil puede resultar detectar esa injusticia.
El riesgo no exige rechazar la herramienta, pero sí dejar de tratar sus respuestas como si procedieran de un punto de vista universal. Para el profesorado, una primera forma de alfabetización ética consiste en preguntar quién aparece, quién falta, qué lenguaje se considera normal y si una recomendación funciona igual para todo el alumnado. La inclusión no se alcanza ofreciendo a todos la misma respuesta algorítmica, sino reconociendo los efectos diferentes que esa respuesta puede producir.
Dilema 3. Acceso inmediato frente a fiabilidad del conocimiento
👉 La IA generativa permite formular una pregunta y recibir en segundos una explicación clara, un ejemplo o una síntesis. Esta disponibilidad puede favorecer la curiosidad y reducir la frustración inicial ante un contenido difícil. Pero los modelos generativos no consultan necesariamente una base de conocimiento fiable ni distinguen la verdad con el mismo criterio que una fuente académica.
Una respuesta puede contener errores, referencias inexistentes o explicaciones incompletas y, al mismo tiempo, estar redactada con seguridad y fluidez. La dificultad ética no está solo en que la IA se equivoque, sino en que su forma de expresarse puede ocultar el error. Cuanto menos sabe una persona sobre un tema, menos herramientas tiene para reconocer que una respuesta convincente es incorrecta.
En Primaria y Secundaria esta cuestión es especialmente importante porque el alumnado todavía está construyendo los conocimientos previos que necesitaría para verificar una respuesta. Pedirle que «compruebe lo que dice la IA» no siempre es suficiente: para comprobar hacen falta criterios, fuentes adecuadas y una comprensión mínima del asunto.
Se propone tratar la IA como material para la verificación, no como una fuente autorizada. Esta distinción abre una posibilidad educativa interesante. Una respuesta dudosa puede convertirse en objeto de análisis: localizar afirmaciones comprobables, buscar fuentes, detectar omisiones, comparar versiones y justificar por qué una explicación resulta más fiable que otra.
La alfabetización en IA no debería reducirse a aprender a escribir mejores instrucciones. También implica aprender a desconfiar de la forma, sostener la duda y reconstruir el camino entre una afirmación y sus evidencias. La facilidad de acceso a una respuesta aumenta, no disminuye, la importancia de enseñar cómo se construye el conocimiento.
Dilema 4. Ayuda cognitiva frente a sustitución del aprendizaje
👉 No toda descarga cognitiva es negativa. Usamos calculadoras, diccionarios, correctores, agendas y buscadores para no dedicar recursos mentales a operaciones que una herramienta puede resolver mejor o más rápido. Al liberar parte de nuestra atención, podemos concentrarnos en tareas de mayor complejidad.
El problema aparece cuando se delega precisamente la operación que el estudiante necesita practicar. Si el objetivo es aprender a sintetizar, pedir a la IA que resuma el texto elimina la actividad central. Si se pretende desarrollar la escritura argumentativa, generar primero una redacción completa puede condicionar todo el razonamiento posterior. Si el propósito es resolver problemas, recibir el procedimiento antes de intentarlo reduce la necesidad de explorar, equivocarse y revisar.
Gemini formula esta tensión como la diferencia entre utilizar la IA como andamio o como prótesis cognitiva. El andamio ofrece un apoyo temporal para realizar algo que todavía no se puede hacer de forma independiente. La prótesis sustituye de manera permanente una función. En educación, el valor del apoyo depende de que pueda retirarse progresivamente.
La dificultad, el ensayo y el error no son siempre fallos del diseño educativo. Existe un esfuerzo productivo que ayuda a consolidar conocimientos, relacionar ideas y desarrollar perseverancia. El alivio inmediato de toda dificultad puede mejorar la experiencia de la tarea, pero empobrecer el aprendizaje.
Esto no obliga a recuperar una visión basada en el sufrimiento o la repetición mecánica. La cuestión es distinguir entre carga innecesaria y esfuerzo intelectual valioso. Una IA puede explicar de otra manera, plantear preguntas, ofrecer pistas graduadas, simular una conversación o proporcionar retroalimentación. En todos esos casos sigue existiendo actividad mental por parte del estudiante. En cambio, cuando produce directamente el resultado final, puede dejarlo sin una representación clara de cómo se llegó hasta él.
El alumnado universitario, ya mayor de edad, puede asumir más autonomía para decidir cómo emplea estas herramientas. Aun así, la responsabilidad sobre el propio aprendizaje sigue presente. Una persona puede entregar un producto correcto y descubrir después, en una situación profesional sin asistencia, que no ha adquirido la competencia que ese producto parecía demostrar.
La pregunta docente más útil no es «¿se ha utilizado IA?», sino «¿qué tuvo que pensar, decidir y comprender el estudiante?».
Dilema 5. Coautoría frente a pérdida de voz y responsabilidad
👉 La IA generativa difumina las fronteras tradicionales de la autoría. Entre escribir sin asistencia y entregar un texto generado íntegramente existen muchas posibilidades: pedir ideas, crear un esquema, reformular una frase, corregir el estilo, generar un borrador o combinar fragmentos de varias respuestas.
El concepto clásico de plagio no describe bien todas estas situaciones. Un texto producido por un modelo puede no copiar literalmente una fuente identificable, pero tampoco demostrar las capacidades de quien lo firma. Por eso el dilema no se resuelve preguntando únicamente quién escribió cada palabra.
La autoría implica también tomar decisiones, seleccionar, descartar, comprobar y asumir la responsabilidad por el resultado. Un estudiante no debería firmar algo que no entiende, no puede explicar o no ha revisado. Lo mismo puede decirse de un docente que utiliza materiales generados por IA: presentarlos al alumnado supone responder por su exactitud, adecuación, posibles sesgos y calidad pedagógica.
La transparencia es necesaria, pero una declaración genérica como «he utilizado IA» aporta poca información. Resulta más significativo explicar para qué se utilizó y qué parte del proceso permaneció bajo control humano. No es igual consultar alternativas para un título que delegar la argumentación completa.
La llegada de la IA ofrece además una oportunidad para recuperar el valor del proceso. Borradores, decisiones, fuentes, cambios de criterio y defensas orales permiten observar mejor el aprendizaje que un producto final aislado. La voz propia no consiste en escribir sin ninguna herramienta, sino en mantener una relación consciente y responsable con lo que se presenta como propio.
Dilema 6. Eficiencia frente a pérdida de competencias y vínculo educativo
👉 La IA no solo puede producir dependencia en el alumnado. El profesorado también puede delegar progresivamente la planificación, la creación de materiales, la redacción de comentarios, la corrección o la comunicación con las familias. Esta automatización puede liberar tiempo, pero también producir deskilling: pérdida de habilidades por falta de práctica.
Una programación generada automáticamente puede estar bien estructurada y, sin embargo, no responder al ritmo, los intereses o las relaciones reales del grupo. Un comentario de retroalimentación puede ser correcto, pero no conectar con la trayectoria de un estudiante. Una explicación puede resultar clara y no tener en cuenta lo ocurrido el día anterior en el aula.
El riesgo no está en recibir ayuda, sino en dejar de ejercer el juicio profesional. Si la IA propone y el docente revisa de forma superficial, puede aparecer una ilusión de control humano. Con el tiempo, el criterio de la herramienta puede convertirse en la opción predeterminada, y apartarse de él exige cada vez más esfuerzo.
Al mismo tiempo, rechazar toda automatización tampoco protege necesariamente la dimensión humana. Si una herramienta reduce tareas administrativas o facilita una primera adaptación, el tiempo recuperado puede dedicarse a observar, conversar, acompañar y diseñar mejores experiencias. El efecto depende de qué se automatiza y de qué se hace con el tiempo liberado.
UNESCO defiende que la IA debe fortalecer la agencia docente, no reemplazarla. Su marco de competencias para el profesorado sitúa la mentalidad centrada en el ser humano y la ética entre las dimensiones fundamentales. La OCDE añade que la IA no debería debilitar las relaciones humanas que ocupan el centro de la educación.
Hay funciones difícilmente reducibles a una respuesta automática: interpretar un silencio, comprender el contexto de un error, sostener la motivación, mediar en un conflicto o decidir cuándo una norma debe aplicarse con sensibilidad. La educación no es únicamente transmisión de contenido. Es también una relación de confianza, reconocimiento y responsabilidad.
Dilema 7. Innovación individual frente a responsabilidad compartida
👉 Muchas herramientas de IA llegan al aula mediante decisiones individuales. Un docente descubre una aplicación, crea una cuenta y empieza a utilizarla. Esta vía favorece la experimentación, pero también puede dejar en manos de una sola persona decisiones sobre datos, transparencia, equidad o fiabilidad que deberían contar con apoyo institucional.
Cuando un sistema produce un daño o un error, la responsabilidad puede diluirse. El proveedor señala que la salida debe revisarse; el centro confía en que la herramienta ha sido validada; el docente piensa que el algoritmo es más objetivo; y el estudiante acaba soportando las consecuencias.
El informe de Qwen sintetiza tres pilares para evitar esa situación: transparencia, responsabilidad y gobernanza participativa. La transparencia permite saber cuándo interviene la IA y con qué finalidad. La responsabilidad permite atribuir decisiones y reparar daños. La participación ayuda a que las normas respondan a los valores de la comunidad educativa y no solamente a las posibilidades de la tecnología.
Esto no significa que cada uso cotidiano necesite un procedimiento burocrático. Sí implica que un docente no debería tener que evaluar por su cuenta las condiciones de privacidad, seguridad y accesibilidad de cada servicio. Los centros y administraciones deben establecer criterios, proporcionar herramientas autorizadas, formar al profesorado y ofrecer alternativas cuando una actividad requiera el uso de IA.
La Comisión Europea actualizó en 2026 sus orientaciones éticas sobre IA y datos para docentes de Primaria y Secundaria. Su enfoque es significativo: no presenta la ética como una lista cerrada de respuestas, sino como la capacidad de tomar decisiones informadas y contextualizadas. Una buena gobernanza no sustituye el criterio docente, sino que crea las condiciones para ejercerlo.
Otras cuestiones que no deberíamos perder de vista
Los cuatro informes abordan otros problemas que merecerían un análisis propio.
☑️ Uno es la sostenibilidad. El uso de IA depende de centros de datos, energía, agua, dispositivos e infraestructuras materiales. La Agencia Internacional de la Energía estima que el consumo eléctrico mundial de los centros de datos podría superar los 900 TWh en 2030, impulsado en gran medida por la expansión de la IA. No todas las consultas tienen el mismo impacto ni es sencillo trasladar una cifra global a una actividad escolar concreta, pero la idea de proporcionalidad también debería aplicarse al consumo tecnológico.
☑️ Otro problema es la dependencia de grandes proveedores. Cuando materiales, datos y decisiones educativas quedan ligados a unas pocas plataformas, los centros pierden capacidad para cambiar de herramienta o conocer los criterios que condicionan sus resultados. La soberanía tecnológica no es solo una cuestión económica: afecta a quién define las reglas de una infraestructura cada vez más presente en la educación.
☑️ También aparecen la propiedad intelectual, el uso de obras para entrenar modelos, los contenidos sintéticos y los deepfakes. En la escuela, la clonación de voces o la creación de imágenes falsas puede afectar a la convivencia, la reputación y la seguridad de menores y docentes. Son problemas específicos, pero comparten el mismo principio general: cuanto mayor sea la capacidad de una herramienta para influir sobre otras personas, mayor debe ser la responsabilidad sobre su uso.
Una ética centrada en la educación
Los informes convergen en una idea: el valor ético de la IA no puede determinarse observando solo su eficacia. También depende de sus efectos sobre la agencia humana, la equidad, la privacidad, el aprendizaje y las relaciones educativas.
Una herramienta no es educativa únicamente porque se utilice en un aula. Se vuelve educativa cuando su uso está subordinado a una intención pedagógica y ayuda a desarrollar capacidades que el estudiante podrá hacer suyas. Desde esta perspectiva, la supervisión humana no consiste en aprobar automáticamente una respuesta, sino en conservar la capacidad de comprenderla, cuestionarla, modificarla y asumir la responsabilidad.
La ética tampoco puede recaer exclusivamente sobre el docente. El profesorado tiene una responsabilidad profesional importante, pero necesita herramientas adecuadas, formación, criterios de centro y apoyo de las administraciones. Del mismo modo, el alumnado debe aprender a usar la IA con honestidad y sentido crítico, pero no puede cargar con decisiones sobre plataformas, datos o condiciones de servicio que corresponden a los adultos y a las instituciones.
Conclusión y valoración final
La paradoja pedagógica de la IA surge porque muchas de sus ventajas contienen también su riesgo. La facilidad puede convertirse en dependencia; la personalización, en vigilancia; la automatización, en pérdida de criterio; y la accesibilidad, en una nueva brecha. Pero ninguna de estas tensiones conduce necesariamente a una prohibición. Obligan a decidir qué usos amplían las capacidades humanas y cuáles las sustituyen.
Fuentes citadas en los informes
- UNESCO, Guidance for Generative AI in Education and Research: https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
- UNESCO, AI Competency Framework for Teachers: https://www.unesco.org/en/articles/ai-competency-framework-teachers
- Comisión Europea, orientaciones éticas sobre el uso de IA y datos en la enseñanza y el aprendizaje: https://education.ec.europa.eu/focus-topics/digital-education/actions/plan/ethical-guidelines-for-educators-on-using-artificial-intelligence
- OCDE, OECD Digital Education Outlook 2026: https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_062a7394-en.html
- UNICEF, Guidance on AI and Children 3.0: https://www.unicef.org/innocenti/reports/policy-guidance-ai-children
- INTEF-CEDEC, guía práctica de inteligencia artificial en educación: https://descargas.intef.es/cedec/proyectoedia/guias/contenidos/inteligencia_artificial/index.html
- Agencia Internacional de la Energía, Energy and AI: https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai
⚠️ ATENCIÓN: Este artículo ha sido generado con herramientas de IA. Aunque ha sido revisado por los autores del blog, puede contener errores en su contenido.