Casos de Éxito

El desafío

Los docentes utilizaban IA generativa en privado y pedían a sus estudiantes que no lo hicieran. Los directores de establecimiento recibían preguntas contradictorias de las familias sobre plagio, adaptaciones curriculares y privacidad de datos, y respondían de manera inconsistente. La política existente era tan vaga que nadie confiaba en ella para fundamentar una decisión, por lo que la mayoría de las decisiones simplemente no se tomaban.

El enfoque

Se comenzó con la reescritura de la política, no con el despliegue de formación. Un pequeño grupo de trabajo formado por docentes, dos directores, el director curricular y una representante de familias dedicó ocho semanas a producir un documento de orientaciones sobre IA con tres niveles (permitido, permitido con declaración explícita, no permitido) vinculados a tipos específicos de tareas y no a herramientas concretas. Solo tras la aprobación de dicho documento por la junta se lanzó la formación docente, en dos cohortes: una cohorte de adoptantes tempranos de unos sesenta docentes que pilotaron rutinas de aula, y luego una cohorte general al semestre siguiente. La cohorte de adoptantes tempranos funcionó también como formadora para la segunda ronda.

El resultado

El trabajo de política fue la parte más valiosa, y también la que más tiempo llevó. Una vez que los directores pudieron señalar un documento y determinar en qué nivel encuadraba una tarea, las conversaciones con las familias se volvieron más breves y tranquilas. La confianza de los docentes para hablar con sus estudiantes sobre IA aumentó de manera significativa según los autoinformes; lo que no se pudo medir con claridad fue el cambio efectivo en las prácticas de aula, ya que la mayoría de los docentes no quería que las observaciones estuvieran vinculadas al uso de IA. Aproximadamente una cuarta parte de la cohorte de adoptantes tempranos avanzó de manera significativa; el resto experimentó brevemente y volvió a sus hábitos previos. Se fue honesto con la junta en cuanto a que se trataba de un proyecto de cambio cultural que se mide en años, no de un despliegue tecnológico que se mide en semestres.

Lo que conservaron

• La clasificación de tareas en tres niveles (permitido / permitido con declaración / no permitido)
• Un grupo de trabajo permanente sobre IA con puestos rotativos para docentes
• Sesiones trimestrales de consulta para directores específicamente sobre preguntas de IA
• Revisión anual de la política vinculada al calendario del distrito, no a los ciclos de noticias de los proveedores

El desafío

La nueva vicerrectora heredó cinco comités de facultad que se superponían en materia de IA, cada uno con una recomendación diferente y ninguno con autoridad de implementación. No existía una imagen compartida de la situación real de la institución: qué programas habían desarrollado iniciativas silenciosamente, cuáles estaban paralizados, cuáles contaban con presupuesto, cuáles tenían infraestructura de datos y cuáles presentaban brechas de gobernanza. Sin ese mapa, toda conversación sobre prioridades degeneraba en cabildeo a nivel de disciplina.

El enfoque

Se realizó una evaluación institucional de preparación para la IA a lo largo de seis dimensiones (gobernanza, infraestructura, capacidad docente, apoyo estudiantil, currículo y revisión ética), con entrevistas estructuradas en cada unidad académica y encuestas paralelas al personal y a una muestra de estudiantes. El resultado fue un mapa de calor, no una puntuación: verde donde se podía avanzar de inmediato, amarillo donde se requería una precondición, rojo donde era necesaria una decisión de liderazgo antes de que cualquier herramienta pudiera implantarse con éxito. La vicerrectora utilizó ese mapa de calor para secuenciar una hoja de ruta trienal con responsables nominados.

El resultado

El mapa de calor realizó la mayor parte del trabajo político. Una vez que las unidades pudieron verse en relación con sus pares, el cabildeo pasó de 'financien mi idea' a 'ayúdennos a superar nuestros amarillos'. La ejecución del primer año fue sólida en los puntos verdes: guías de la biblioteca, plantillas de lenguaje para programas de asignatura y una comunidad de práctica docente de participación voluntaria. Los puntos rojos, en particular la creación de un proceso real de revisión ética para herramientas de IA dirigidas a estudiantes, avanzaron más lentamente de lo que prometía la hoja de ruta porque el comité de gobernanza se reúne mensualmente y las decisiones requieren quórum. El segundo año se reescribió para ser más conservador respecto a los tiempos de gobernanza.

Lo que conservaron

• El marco de preparación en seis dimensiones, ahora aplicado anualmente con un instrumento más ligero
• Responsables nombrados y con rendición de cuentas para cada elemento de la hoja de ruta: sin asignaciones a 'el comité'
• Paneles de seguimiento del estado de la hoja de ruta accesibles al conjunto de la comunidad universitaria
• Comunidad de práctica docente con facilitadores remunerados

El desafío

La demanda de nuevos contenidos de aprendizaje superaba ampliamente la capacidad del equipo. Individualmente, los diseñadores habían comenzado a usar IA generativa por su cuenta, produciendo resultados enormemente inconsistentes y reinventando los prompts cada vez. La calidad variaba según quién estuviera asignado al proyecto, y no existía memoria institucional compartida sobre qué había funcionado.

El enfoque

En lugar de licenciar una nueva plataforma, se trabajó con el equipo para construir una Suite de IA interna: una biblioteca versionada de prompts y plantillas ajustados por rol para las ocho tareas de producción más comunes (redacción de objetivos de aprendizaje, escritura de escenarios, generación de preguntas de verificación de conocimiento, revisión de accesibilidad, seed de traducción, bancos de preguntas para debriefs, notas para facilitadores y generación de resúmenes). Cada entrada incluía un preámbulo breve sobre voz y tono vinculado al estilo corporativo de la firma, los insumos esperados y los modos de fallo conocidos. Los diseñadores fueron formados en el uso de la suite, no en IA en general, y se esperaba que contribuyeran con mejoras.

El resultado

El rendimiento de producción para los tipos de tarea cubiertos aproximadamente se duplicó en dos trimestres según el autoreporte del equipo, y la dispersión de calidad entre diseñadores se redujo porque los prompts estaban realizando el trabajo de estandarización que las guías de estilo habían sido incapaces de lograr durante años. El logro fue menos sobre IA y más sobre la disciplina de documentar buenos prompts como artefactos institucionales. El prompt de revisión de accesibilidad fue la mayor sorpresa: diseñadores que anteriormente omitían los controles de accesibilidad por ser tediosos ahora los ejecutaban de manera sistemática. Lo que se estancó: un flujo de trabajo de traducción planificado quedó bloqueado durante un año entero en la revisión legal por cuestiones de residencia de datos y nunca se lanzó.

Lo que conservaron

• La biblioteca versionada de prompts y plantillas con responsable y registro de cambios por entrada
• Revisión trimestral de la suite en la que los diseñadores proponen prompts para retirar o actualizar
• Incorporación de nuevos diseñadores a través de la suite durante la inducción, antes de cualquier formación en herramientas
• Notas sobre modos de fallo documentadas junto a cada prompt

El desafío

Las funciones de accesibilidad con IA llegaban incorporadas en herramientas que el distrito ya había licenciado: subtítulos en tiempo real, texto a voz, reescrituras por nivel de lectura, descripción de imágenes. Los docentes no sabían qué funciones eran aptas para el aula para cada perfil de estudiante, cuál era la postura de privacidad de cada herramienta, ni cómo documentar su uso en los planes individualizados de educación sin generar exposición legal.

El enfoque

No se comenzó por las herramientas. Se inició con una revisión función por función cotejada con el lenguaje de adaptaciones existente del departamento, mapeando cada función de IA a un tipo específico de adaptación que podría razonablemente apoyar, y señalando aquellas en las que no era aplicable. Para las funciones con luz verde, se elaboraron protocolos de uso breves (una página cada uno) que describían la configuración, el comportamiento esperado, los modos de fallo conocidos y el lenguaje de documentación para los planes individualizados. Los docentes pilotaron tres funciones a la vez durante un trimestre completo antes de cualquier expansión. La psicóloga escolar y una representante del consejo consultivo de familias participaron en todas las revisiones de funciones.

El resultado

Los subtítulos en tiempo real y la lectura en voz alta se establecieron de manera permanente en las aulas donde habían sido intermitentes. Las reescrituras por nivel de lectura se retiraron silenciosamente del protocolo después de un trimestre porque eliminaban el vocabulario que los planes individualizados exigían explícitamente que los estudiantes encontraran. La descripción de imágenes resultó útil para un grupo más reducido de lo inicialmente esperado, principalmente en materiales de ciencias sociales, y el equipo la conservó pero acotó el despliegue. Conclusión honesta: los mayores avances en accesibilidad no provinieron de las funciones más llamativas, sino de los subtítulos simples, a los que nadie había considerado merecedores de un plan de proyecto.

Lo que conservaron

• Protocolos de uso de una página por función de IA, bajo la titularidad del departamento
• Plantillas de lenguaje para planes individualizados revisadas por asesoría legal antes de que cualquier función de IA se utilice en la documentación del plan
• Aprobación del consejo consultivo de familias para cada función antes del piloto en el aula
• Una lista de funciones retiradas, mantenida al día, para que las funciones descartadas no regresen silenciosamente

El desafío

La evaluación de competencias prácticas era el cuello de botella. Cada instructor podía evaluar de manera realista a pocos estudiantes por día con el nivel de detalle que el certificado requería, y la captación había superado esa capacidad. Las pruebas escritas eran un sustituto deficiente, y los empleadores socios del programa se preocupaban específicamente por la competencia práctica.

El enfoque

Se trabajó con tres instructores y una responsable curricular para rediseñar el flujo de evaluación en lugar de reemplazarlo. Los estudiantes grabaron demostraciones estructuradas breves de procedimientos nominados en tabletas compartidas. La IA se utilizó en dos lugares concretos: la transcripción e indexación de la narración oral del procedimiento, de modo que los instructores pudieran ir directamente a los momentos que necesitaban evaluar, y un marcador de lista de verificación de primera pasada que señalaba cuándo los pasos esperados del procedimiento parecían estar ausentes o fuera de orden. Los instructores revisaban luego los segmentos marcados con agilidad y emitían el juicio final. Ninguna calificación fue asignada por la IA.

El resultado

El rendimiento de evaluación por instructor aproximadamente se triplicó para los procedimientos incluidos en el piloto. La mayor sorpresa fue que los estudiantes se preparaban con más cuidado porque sabían que su demostración quedaba registrada; algunos utilizaron las grabaciones como piezas de portafolio ante los empleadores. El marcador de lista de verificación se equivocaba con suficiente frecuencia —especialmente con secuencias no estándar que estudiantes con experiencia utilizaban legítimamente— que los instructores aprendieron a tratarlo como una indicación de 'revise aquí', nunca como un veredicto. Una instructora optó por no participar y se respetó su flujo de trabajo; sus cohortes obtuvieron resultados comparables en los indicadores de empleadores, lo que fue un recordatorio útil de que el rediseño era una opción, no un mandato.

Lo que conservaron

• Demostraciones estructuradas grabadas como el artefacto principal de evaluación práctica
• Transcripción e indexación con marcas de tiempo para la revisión del instructor
• Autoridad exclusiva del instructor humano sobre la calificación final
• Acceso de los estudiantes a sus propias grabaciones para uso en portafolio

El desafío

Los coaches recibían preguntas sobre IA de los docentes que acompañaban, y la mayoría se sentía un paso por detrás. La formación en IA disponible en el mercado era demasiado específica de un proveedor o demasiado abstracta, y los coaches necesitaban algo que funcionara para el trabajo concreto de acompañar docentes —modelar, observar, dar retroalimentación, conducir conversaciones de planificación— y no para la productividad genérica.

El enfoque

Una cohorte de un año estructurada en torno a cuatro jornadas presenciales completas, clínicas de práctica virtuales mensuales y un banco de problemas compartido. Cada jornada presencial combinaba un concepto (por ejemplo, cómo cambia una conversación de acompañamiento cuando ambas partes han usado IA en una planificación de clase) con un ensayo práctico en parejas y un debrief en grupos de cuatro. Entre sesiones, los coaches llevaban a las clínicas situaciones reales de acompañamiento, anonimizadas, y el grupo las trabajaba en conjunto. Se decidió deliberadamente no certificar a nadie ni construir una credencial: el propósito era la profundidad de la práctica, no las insignias.

El resultado

La confianza autoreportada para gestionar conversaciones de acompañamiento relacionadas con IA aumentó de manera significativa y se mantuvo en el seguimiento de fin de año. Las clínicas de práctica realizaron más trabajo que las jornadas presenciales, lo que fue una sorpresa: las jornadas presenciales importaron principalmente por la construcción de confianza que hizo posibles las clínicas. La deserción fue mayor de lo esperado (aproximadamente una quinta parte abandonó hacia mediados del año), casi en su totalidad por cambios de rol de acompañamiento o rotación del liderazgo distrital, no por el contenido. El banco de problemas compartido siguió creciendo después de que terminó la cohorte, lo que se tomó como la señal más sólida de éxito.

Lo que conservaron

• Las clínicas de práctica virtuales mensuales como estructura permanente
• El banco de problemas anonimizados compartido como recurso vivo
• La estructura de ensayo en parejas-luego-grupos de cuatro para cualquier nueva práctica de acompañamiento
• La negativa explícita a emitir credenciales o puntuar a los participantes

El desafío

La junta directiva presionaba por una estrategia de IA. La directora sospechaba que una estrategia a su escala sería en su mayor parte un ejercicio de imagen y que lo que realmente necesitaban era tomar algunas decisiones específicas de manera correcta. Buscaban ayuda para evitar la trampa de importar el manual de juego de una institución grande.

El enfoque

Se redujo drásticamente el alcance. Tres reuniones de claustro a lo largo de un trimestre: una para compartir una lectura bibliográfica breve y alinear principios; una para tomar tres decisiones específicas (el uso de IA por parte del profesorado para la planificación queda habilitado con documentación ligera; el uso de IA por parte de los estudiantes se gradúa por nivel y es específico para cada tarea; ningún dato de estudiantes va a chatbots de propósito general); y una para comprometerse con una revisión a seis meses. Sin selección de herramientas. Sin demostraciones de proveedores. Se pidió al técnico que mantuviera una única página interna que resumiera las decisiones y sus actualizaciones.

El resultado

Las tres decisiones se mantuvieron durante todo el año escolar con una única enmienda sustantiva (aclarar el nivel en el uso de IA por parte de estudiantes tras un incidente en quinto grado). El profesorado reportó que contar con tres decisiones claras fue más útil que una política más extensa, porque podían recordarlas y aplicarlas. La directora compartió que la parte más valiosa del acompañamiento fue el permiso para hacer menos. Eso se tomó en serio.

Lo que conservaron

• Tres decisiones de IA nombradas en una única página interna
• Tiempo reservado dos veces al año en el claustro para la revisión de decisiones de IA
• Una norma permanente que establece que ninguna herramienta de IA se adopta institucionalmente sin una decisión escrita adjunta

El desafío

El cuerpo docente estaba dividido. Algunos consideraban la IA generativa como infraestructura académica legítima (mapeo de literatura, síntesis, asistencia con código, traducción) y la usaban abiertamente. Otros la veían como corrosiva para la formación de un investigador independiente y suspendían silenciosamente a estudiantes de quienes sospechaban que la utilizaban. No había norma compartida, ni estándar de declaración, ni proceso de apelación defendible. Los candidatos doctorales estaban angustiados: hacían preguntas distintas a distintos supervisores y obtenían respuestas distintas.

El enfoque

No se intentó zanjar el debate de fondo. Se trabajó con la decanatura y un grupo docente elegido para producir un proceso: una norma de declaración por programa (cada programa define sus propias expectativas de uso de IA y las publica anualmente), una plantilla para candidatos que declaran asistencia de IA en cualquier trabajo presentado, una plantilla de conversación para supervisores al inicio de cada año académico y una vía de derivación para los casos en que supervisor y candidato no estén de acuerdo. Nada de esto adjudicaba si el uso de IA era correcto o incorrecto; hacía la conversación legible.

El resultado

En el plazo de un año, cada programa tenía una norma publicada. Las normas variaban ampliamente, lo cual era precisamente el objetivo: un programa de métodos cuantitativos definió un uso permisivo; un programa de teoría crítica definió un uso restrictivo; ambos eran ahora defendibles porque estaban escritos y eran visibles. Las reclamaciones de candidatos disminuyeron porque las expectativas podían encontrarse. Lo que no se resolvió —y se fue honesto en que no se resolvería— fue el caso de varios docentes senior que se negaron a participar en el proceso y continuaron aplicando sus propios estándares a sus candidatos. La decanatura aceptó ese costo como parte de una cultura de desacuerdo y no forzó el cumplimiento.

Lo que conservaron

• Publicación anual de la norma de IA por programa
• Plantilla de declaración para candidatos vinculada a cada artefacto presentado
• Plantilla de conversación inicial con el supervisor al comienzo del año
• Una vía de derivación cuando supervisor y candidato no acuerdan el alcance del uso de IA

El desafío

Después de dos semestres de informes informales crecientes sobre el uso de IA en ensayos presentados, el programa de escritura había derivado hacia un modo adversarial: escritura supervisada en el aula, detectores de IA con tasas conocidas de falsos positivos, cargas crecientes en materia de integridad académica. El profesorado se sentía como investigador de fraudes. Los estudiantes se sentían bajo sospecha. Las tasas de aprobación se mantenían, pero los indicadores de participación y las evaluaciones de fin de trimestre caían.

El enfoque

La coordinadora del programa de escritura lideró un rediseño con representación del profesorado de tiempo completo y adjunto. El movimiento central fue desplazar el artefacto evaluado del ensayo final al proceso de escritura: entregas escalonadas más breves con reflexión obligatoria, redacción en el aula que capturara notas de trabajo y un portafolio final que incluyera el historial de revisiones y un autoanálisis sobre dónde el estudiante había utilizado asistencia (humana, de IA o de otro tipo) y por qué. Los detectores de IA se retiraron del conjunto de herramientas oficial del programa. El profesorado recibió una rúbrica rediseñada y tres talleres de medio día sobre cómo responder a los nuevos artefactos.

El resultado

Las cargas en materia de integridad académica en el programa de escritura cayeron de manera significativa en el primer semestre rediseñado, principalmente porque las tareas rediseñadas hacían que los trabajos producidos exclusivamente con IA resultaran visiblemente superficiales frente a la rúbrica. Los comentarios de fin de trimestre de los estudiantes pasaron de ser defensivos a ser sustantivos. La carga de trabajo del profesorado aumentó —responder a entregas escalonadas y portafolios lleva más tiempo que calificar ensayos finales— y el programa tuvo que negociar ajustes en la compensación de los adjuntos, lo que pudo resolverse de manera parcial. La conclusión honesta: el rediseño mejoró el aprendizaje y el clima y le costó a la institución dinero real.

Lo que conservaron

• Entregas escalonadas con reflexión obligatoria
• Portafolio final con historial de revisiones y autoanálisis de la asistencia utilizada
• Una norma de declaración a nivel de programa publicada en cada programa de asignatura
• Tres talleres anuales para el profesorado sobre cómo responder a los artefactos de portafolio

El desafío

Los candidatos a la docencia se graduaban hacia aulas de educación básica donde la IA ya estaba presente, y el programa de la escuela de educación no había cambiado de manera significativa. Los cursos de metodología seguían tratando la integración tecnológica como un capítulo optativo adicional. Los docentes mentores en las escuelas de práctica enviaban señales contradictorias. Los recién graduados reportaban, a veces en su primer mes, que se sentían poco preparados para las preguntas sobre IA que planteaban sus estudiantes y las familias.

El enfoque

En lugar de añadir un curso de IA, se trabajó con el profesorado de metodología para integrar la IA en los cursos existentes en tres puntos de contacto deliberados: una discusión sobre los fundamentos de la profesión docente al inicio del programa sobre el papel de la IA en la enseñanza y el aprendizaje; práctica integrada en la secuencia de metodología específica por disciplina (un curso de metodología de Lengua y Literatura funcionando de manera diferente a uno de matemáticas); y una tarea de cierre en el año de práctica clínica que requería que los candidatos documentaran una decisión informada por IA que hubieran tomado en su período de prácticas y la defendieran. Los docentes mentores recibieron un documento complementario breve, opcional pero suministrado a cada centro de práctica.

El resultado

La preparación autoreportada de los candidatos para las conversaciones sobre IA aumentó de manera significativa al final del año clínico. La integración en los cursos de metodología funcionó mejor donde el profesorado estaba personalmente comprometido; en dos áreas disciplinares la integración fue en gran medida cosmética, y esto se comunicó abiertamente a la decanatura como algo que no debía encubrirse. La defensa de la tarea de cierre se convirtió en un artefacto sorprendentemente sólido: muchos candidatos escribieron argumentos más agudos y situados sobre el uso de IA de lo que el profesorado había esperado, en parte porque llevaban poco tiempo en las aulas y el profesorado no. El documento para docentes mentores fue utilizado por aproximadamente un tercio de los centros de práctica; esa brecha no está resuelta todavía.

Lo que conservaron

• La integración de la IA en los cursos de metodología existentes en lugar de un curso autónomo de IA
• La defensa de una decisión informada por IA tomada durante las prácticas como tarea de cierre
• Enfoques específicos por disciplina en las secuencias de metodología de cada disciplina
• Una revisión anual de qué cursos de metodología están integrando la IA de manera sustantiva y cuáles no