Consideraciones Pedagógicas de la Inteligencia Artificial: Zonas de Desarrollo Próximo Infinitas, Tutores Personales y Asistentes Docentes que Reconfiguran el Aprendizaje

¿Y si los límites del aprendizaje ya no fueran biológicos ni institucionales, sino algorítmicos?

Por primera vez en la historia de la educación, un estudiante puede acceder —a cualquier hora, en cualquier lugar— a un sistema que no se cansa, no se impacienta, y que responde con precisión a cada pregunta en el momento justo. Y no estamos hablando de un profesor particular, sino de un modelo de inteligencia artificial.

Esa promesa —tan poderosa como inquietante— cambia las reglas del juego pedagógico. No solo por lo que la IA puede hacer, sino por lo que invita a repensar: los ritmos de aprendizaje, la mediación humana, el diseño curricular, la evaluación, la relación entre autonomía y dependencia, entre comprensión profunda y generación instantánea.

Este texto explora las consideraciones pedagógicas esenciales para una integración significativa de la IA en la educación, desde teorías del aprendizaje hasta funciones emergentes como tutor personalizado, asistente docente y generador de zonas de desarrollo próximo (ZDP) infinitas.

I. Un nuevo marco de referencia: De la clase a la conversación con máquinas

Antes de hablar de IA en educación, es clave entender algo: la IA no enseña, pero puede facilitar, amplificar o distorsionar el aprendizaje, dependiendo de cómo se utilice.

Por eso, no basta con introducir herramientas tecnológicas. Se necesita un marco pedagógico claro que guíe el diseño, la mediación y la evaluación del aprendizaje con IA. Aquí entran en juego conceptos como:

• Zona de Desarrollo Próximo (ZDP) de Vygotsky (1978)
• Andamiaje (Wood, Bruner y Ross, 1976)
• Aprendizaje personalizado y diferenciado (Tomlinson, 2003)
• Evaluación formativa y retroalimentación efectiva (Black & Wiliam, 1998)

La IA no reemplaza estos marcos, pero los recontextualiza y exige reinterpretarlos.

II. La ZDP infinita: Cuando la IA amplía el espacio de lo posible

¿Qué es la ZDP y por qué importa con IA?

Vygotsky definió la Zona de Desarrollo Próximo como «la distancia entre el nivel de desarrollo real determinado por la capacidad de resolver problemas independientemente, y el nivel de desarrollo potencial determinado por la capacidad de resolver problemas con la ayuda de un adulto o un par más capaz» (Mind in Society, 1978, cap. 6, p. 86; trad. propia).

Con la IA, ese «par más capaz» puede estar disponible 24/7, generar infinitos ejemplos, explicar de múltiples formas, y ajustar la dificultad según el progreso del estudiante.

¿Qué ocurre cuando esa zona de desarrollo es ilimitada, instantánea y personalizada al máximo nivel?

La IA puede acompañar al estudiante justo al borde de sus capacidades, generando una ZDP dinámica, infinita y retroalimentada en tiempo real. Pero eso también plantea un dilema: si siempre hay alguien (o algo) que me ayuda, ¿cuándo aprendo a ayudarme a mí mismo?

El contrapeso: un andamio que no se retira no es un andamio

La ZDP de Vygotsky nunca fue un lugar donde quedarse: la ayuda existe para que un día deje de hacer falta. Por eso, una ZDP «ilimitada» tiene dos caras. La postura de diseño de Carlos Miranda Levy, autor de este programa, las llama los dos futuros sobre la misma máquina: la IA como muleta, que hace el esfuerzo por quien aprende, o la IA como gimnasio cognitivo, que le permite practicar más, con retroalimentación inmediata, justo en el borde de lo que casi puede hacer solo. La máquina es la misma; la diferencia está en el diseño. (Postura de diseño del autor, no un hallazgo de investigación.)

Dos patrones marcan el lado de la muleta, y conviene reconocerlos en tus propias actividades:

• Generación sin esfuerzo previo. El estudiante le pide a la IA antes de haber intentado nada por su cuenta. Lo que se le ahorra es exactamente lo que se quería desarrollar.
• Dependencia que no se desvanece. La ayuda de la semana diez es la misma que la de la semana uno. El andamio nunca se retiró.

La regla práctica que se deriva: todo andamio declara, desde el diseño, la condición para retirarlo. «Cuando resuelva tres problemas seguidos sin pistas, la IA deja de dar pistas y solo pregunta.» Si no puedes escribir esa condición, todavía no has diseñado un andamio: has diseñado una muleta.

La investigación sobre el diseño instruccional va en la misma dirección: las técnicas que funcionan muy bien con quien empieza «pueden perder su eficacia e incluso tener consecuencias negativas» con quien ya tiene experiencia (Kalyuga, Ayres, Chandler y Sweller, 2003, Educational Psychologist, 38(1), 23–31, p. 23; trad. propia). Por eso un andamio que no se retira deja de ser un andamio.

Agencia no es lo mismo que elección

Hay una tentación asociada a la ZDP ilimitada: dejar que cada estudiante elija libremente cómo, cuándo y cuánto usar la IA, y llamar a eso autonomía. La OCDE, en su Learning Compass 2030, advierte contra esa lectura: «However, student agency does not mean student autonomy or student choice. People learn, grow and exercise their agency in social contexts.» (OCDE, 2019, p. 24). La agencia del estudiante —el término es de la OCDE— no significa autonomía ni libre elección: se aprende y se ejerce en contextos sociales, con otras personas. La misma serie de notas conceptuales la describe como co-agencia, un entorno donde «students, teachers, parents and the community work together» (OCDE, 2019, p. 37): estudiantes, docentes, familias y comunidad trabajando juntos.

Y añade una advertencia que importa en cualquier aula con estudiantes de contextos distintos: «It is thus particularly important to ensure that disadvantaged students receive adequate support when teachers use teaching strategies that call for student agency.» (OCDE, 2019, p. 34). Cuando se usan estrategias que piden agencia, los estudiantes en desventaja necesitan un apoyo adecuado; la OCDE lo vincula con datos de PISA 2012 en los que dejar que jóvenes de 15 años decidieran sus propios procedimientos se asoció con peores resultados para esos estudiantes. Es una asociación, no una prueba de causa, y el propio documento se presenta como un marco de aprendizaje, no como evidencia de efecto. La consecuencia de diseño, que converge con la postura de este programa: primero el andamiaje y los criterios, después la elección.

III. La IA como tutor personal: Accesible, flexible… y ciego al sentido

1. Lo que puede hacer bien

• Explicar un concepto con variaciones adaptadas al nivel del estudiante
• Proponer actividades de refuerzo o extensión
• Identificar errores en la lógica de un argumento
• Sugerir recursos complementarios según los intereses del estudiante

Estas funciones simulan el rol de un tutor humano, permitiendo que cada estudiante reciba acompañamiento inmediato y personalizado, incluso en contextos donde no hay recursos para docentes uno a uno.

El proyecto Khanmigo, desarrollado por Khan Academy y OpenAI, funciona como tutor virtual con funciones conversacionales que se ajustan a la respuesta del estudiante. Se basa en un modelo de aprendizaje socrático, donde se guía a pensar, no solo a responder (Khan Academy, Blog oficial, 2023).

Lo que dice la evidencia sobre los tutores, con sus límites:

• Un tutor de IA diseñado con salvaguardas pedagógicas superó a una clase de aprendizaje activo en un curso universitario de física: la mediana de ganancia de aprendizaje fue más del doble (Kestin et al., 2025, Scientific Reports, 15, 17458; N = 194, Harvard). Dos límites importan: la prueba fue inmediata, y nada se midió después de retirar el tutor. Se alinea con la idea de que el diseño decide; no dice nada todavía sobre estudiantes escolares.
• La tutoría humana uno a uno no produce las «dos desviaciones estándar» de las versiones populares: una revisión de experimentos la sitúa en 0,79, y a los tutores inteligentes estructurados en 0,76 (VanLehn, 2011, Educational Psychologist, 46(4), 197–221). Otra revisión de 50 evaluaciones de tutores inteligentes da una mediana de 0,66, menor cuando se mide con pruebas estandarizadas (Kulik y Fletcher, 2016, Review of Educational Research, 86(1), 42–78). Son sistemas estructurados, no chats abiertos.
• En Nigeria, seis semanas de sesiones guiadas después de clase con un asistente de IA generativa elevaron en 0,31 desviaciones estándar el resultado en una prueba alineada con el currículo de inglés; los mayores efectos fueron para las estudiantes y para quienes ya iban mejor (De Simone et al., 2025, Banco Mundial, Policy Research Working Paper 11125, documento de trabajo no revisado por pares). Ayudó más a quien ya iba adelante: la equidad no llega sola.
• Conviene desconfiar de los promedios espectaculares. El meta-análisis más citado sobre «ChatGPT y aprendizaje» (Wang y Fan, 2025, Humanities and Social Sciences Communications) fue retractado en abril de 2026 por discrepancias en su análisis, y una reevaluación que corrige el sesgo de publicación concluye que, una vez corregido, «la evidencia a favor de los beneficios desaparece» (Bartoš, Martinková y Wagenmakers, 2025, preprint en PsyArXiv, trad. propia). La postura de este programa se alinea con esa cautela: lo que importa es cómo se diseña el uso, no la herramienta en abstracto.

2. Lo que aún no puede hacer

• Detectar emociones, ansiedad o bloqueo afectivo
• Entender el contexto cultural o socioemocional del estudiante
• Promover metacognición si no se diseña para eso
• Valorar la intención detrás del error (y no solo la forma del error)

En la Unión Europea, además, usar IA para inferir las emociones de una persona en centros educativos está prohibido desde el 2 de febrero de 2025, salvo por motivos médicos o de seguridad (Reglamento (UE) 2024/1689, art. 5.1.f). No es solo algo que la IA aún no puede hacer: es algo que no debe hacerse.

La IA opera con lenguaje y lógica, pero no con intuición humana ni comprensión emocional. Por eso, su función debe ser complementaria, no central, especialmente en procesos que involucran afecto, motivación o desarrollo del juicio.

3. Un riesgo que no es cognitivo: el vínculo

Un tutor que no se cansa, que recuerda lo que le dijiste y que siempre responde con calidez puede volverse algo más que un tutor. En uno de los ensayos reunidos por la UNESCO en The algorithm in the room, Clayton Ramsey describe cómo lo consiguen los chatbots de personajes: «Character bots use tactics like emotional language, memory, mirroring and open-ended statements to drive engagement.» (Ramsey, en UNESCO, 2026, p. 42). Lenguaje emocional, memoria, espejo y frases abiertas: tácticas diseñadas para que la conversación no termine.

Andrej Novik, docente, cuenta en el mismo volumen lo que pasó con una actividad bien diseñada: un estudiante de 13 años siguió conversando, fuera de clase, con el personaje histórico que había construido en clase, «talking to a figure he had built himself. Chatting with, joking with, confiding in…a machine.» (Novik, en UNESCO, 2026, p. 46): hablando con una figura que él mismo había construido, bromeando con ella, haciéndole confidencias. Su conclusión describe el trabajo del adulto: «Helping pupils understand both how to use the machine, and also when to switch it off.» (Novik, en UNESCO, 2026, p. 47). Ayudar a entender cómo usar la máquina, y también cuándo apagarla.

Son relatos y argumentos de sus autores, no hallazgos de investigación ni una posición oficial de la UNESCO. Pero dejan tres preguntas para cualquier actividad en la que tus estudiantes conversen con una IA o construyan un personaje:

• ¿El personaje o el agente se retira al terminar la sesión, o queda accesible fuera de clase?
• ¿Saben tus estudiantes a qué persona adulta acudir si una conversación con una herramienta se vuelve incómoda?
• ¿Hay momentos de la clase en que la herramienta, sencillamente, se apaga?

IV. La IA como asistente docente: ¿Aliada o amenaza?

Usos pedagógicos legítimos

• Generar múltiples versiones de una actividad diferenciada por nivel
• Sugerir retroalimentaciones tentativas en tareas escritas
• Proponer preguntas abiertas para promover pensamiento crítico
• Diseñar simulaciones o visualizaciones de conceptos complejos

El docente puede usar IA como un copiloto pedagógico para ahorrar tiempo en tareas repetitivas y concentrarse en lo esencial: el vínculo pedagógico, la observación del proceso, la adaptación al contexto, la ética del cuidado.

En la lectura de Carlos Miranda Levy, autor de este programa: el docente del futuro no será quien tenga todas las respuestas, sino quien sepa formular las preguntas que la IA no puede anticipar.

(Postura profesional del autor, no un hallazgo de investigación.)

Riesgos y advertencias

• Usar sin criterio pedagógico: generar contenidos sin verificar alineación curricular
• Perder la responsabilidad en la retroalimentación: copiar y pegar sin adaptar
• Convertir al estudiante en consumidor de materiales generados, no en autor activo

La IA no planifica con propósito pedagógico. El docente sí. Por eso, el uso adecuado implica supervisión, criterio profesional y sentido formativo.

V. Consideraciones transversales para integrar la IA con sentido pedagógico

1. Intencionalidad clara

Antes de usar IA en un proceso educativo, hay que responder:

• ¿Qué competencia estoy buscando desarrollar?
• ¿Qué proceso cognitivo quiero activar?
• ¿Qué rol tendrá el estudiante en la interacción?

La IA puede servir como andamio cognitivo (Wood, Bruner y Ross, 1976), pero ese andamio debe retirarse en el momento justo para permitir el desarrollo autónomo.

2. Mediación reflexiva

La clave del uso educativo de la IA no es la herramienta, sino la conversación sobre el uso de la herramienta. Los docentes deben invitar a:

• Comparar respuestas humanas y respuestas IA
• Identificar errores, sesgos o limitaciones en la generación
• Discutir los dilemas éticos de su uso

En la línea de la Recomendación sobre la Ética de la Inteligencia Artificial de la UNESCO (2021), que pide educar para una comprensión crítica de la IA, la educación debe formar una ciudadanía crítica frente a la automatización, no consumidores pasivos de respuestas.

3. Personalización responsable

La IA permite personalizar… pero también fragmentar. Si cada estudiante sigue un camino distinto, ¿cómo se construye comunidad de aprendizaje? La pedagogía debe buscar el equilibrio entre:

• Trayectorias individuales: lo que cada quien necesita
• Experiencias colectivas: lo que todos deben compartir

VI. Tabla de funciones pedagógicas de la IA y condiciones para su uso adecuado

Función de la IA	Potencial educativo	Condiciones pedagógicas necesarias
Tutor personalizado	Acompañamiento adaptativo, práctica guiada, retroalimentación inmediata	Integración con reflexión metacognitiva, supervisión del docente
Asistente de planificación	Generación de materiales, secuencias y actividades diferenciadas	Validación curricular y adaptación al contexto
Generador de ejemplos	Multiplicación de modos de representación (visual, narrativo, lógico)	Evaluación de pertinencia y conexión con objetivos de aprendizaje
Simulador de diálogo socrático	Estímulo del pensamiento crítico mediante preguntas abiertas	Diseño de prompts estratégicos, no automatización de respuestas
Feedback inicial	Retroalimentación sobre forma, estructura, estilo	Complemento a la retroalimentación humana, nunca como sustituto

VII. ¿Y si la pedagogía del futuro no se tratara de usar IA… sino de enseñarnos a aprender con ella?

El verdadero salto no está en usar IA para aprender más rápido, sino en aprender mejor con IA sin dejar de ser humanos.

• Que el estudiante use ChatGPT no es el problema. El problema es si lo hace sin saber por qué, para qué y qué aprende en el proceso.
• Que el docente use IA para generar actividades no es el problema. El problema es si pierde el contacto con la singularidad de su grupo.

«La IA puede darte la respuesta. Pero solo el proceso pedagógico puede ayudarte a hacerte la pregunta correcta.»

VIII. ¿Qué podemos hacer hoy? Propuestas de acción pedagógica inmediata

1. Formar al docente como diseñador didáctico con IA No basta saber usar herramientas. Es necesario saber para qué usarlas pedagógicamente.

2. Diseñar actividades con IA en el centro y la reflexión alrededor Por ejemplo: comparar respuestas de IA con textos reales, analizar errores, reformular prompts.

3. Codiseñar protocolos de uso con estudiantes No imponer reglas. Construirlas juntos. ¿Cuándo es legítimo usar IA? ¿Cuándo no? ¿Qué prácticas fomentan el aprendizaje real?

4. Enseñar a dialogar con la IA (Prompt Literacy) Una habilidad esencial: formular buenas preguntas, evaluar respuestas, ajustar el diálogo con criterio.

5. No perder de vista lo humano La IA no detecta el brillo en los ojos de quien comprende. El docente sí.