Pensar con IA sin dejar de pensar: 8 principios para integrar la IA con criterio
La IA puede ampliar las capacidades del alumnado, pero también sustituir el razonamiento que la FP debe desarrollar. Ocho principios para convertir su integración en una decisión pedagógica y organizativa, no solo tecnológica.
En Del error a la competencia defendíamos que una IA educativa de calidad no debería borrar el error, sino ayudar a convertirlo en aprendizaje. Primero debía existir un intento propio; después, apoyo y contraste; finalmente, una demostración autónoma.
En Lo que vuestro centro de FP ya sabe hacer —y aún no sabe que sabe— ampliábamos la mirada desde el aula hacia la organización: integrar la IA con criterio no puede depender únicamente de docentes especialmente motivados. Requiere gobernanza, aprendizaje institucional y capacidad para convertir experiencias aisladas en prácticas compartidas.
Una investigación reciente de Mireia Vendrell y Samantha-Kaye Johnston permite unir ambas reflexiones. Su tesis central es clara: los modelos de lenguaje no son educativa ni pedagógicamente neutrales. Su impacto depende del lugar que ocupen, de las tareas que asuman y de los procesos intelectuales que el diseño educativo reserve al alumnado.
El pensamiento crítico no se protege prohibiendo la IA. Se protege diseñando qué debe seguir interpretando, justificando y decidiendo el alumnado.
Cuando responder bien no significa pensar bien
Los modelos generativos producen respuestas rápidas, estructuradas y aparentemente razonables. Esa fluidez puede transmitir una sensación de conocimiento y autoridad que no siempre está justificada.
Un estudiante puede presentar un informe impecable, una programación funcional, un diagnóstico plausible o una propuesta profesional bien redactada sin haber construido el razonamiento que sostiene el resultado.
El riesgo no aparece únicamente cuando la IA se equivoca. También aparece cuando ofrece una respuesta correcta y convincente antes de que el alumnado haya comprendido el problema.
El artículo identifica tres efectos especialmente relevantes.
Descarga cognitiva
La IA asume procesos que deberían formar parte del aprendizaje: interpretar información, formular hipótesis, construir argumentos o relacionar causas y consecuencias.
No toda descarga es negativa. La tecnología debe eliminar trabajo rutinario, tareas mecánicas y fricciones que no aportan valor. Lo que no debería sustituir es el esfuerzo específico que construye la competencia.
Desconexión metacognitiva
El alumnado deja de supervisar cómo está pensando: no identifica sus dudas, no revisa su estrategia y no comprueba la calidad de las respuestas recibidas.
La delegación alcanza entonces no solo a la producción de la respuesta, sino también al juicio sobre si esa respuesta merece ser aceptada.
Estrechamiento epistémico
Los modelos tienden a producir respuestas coherentes y convergentes. Sin una mediación pedagógica adecuada, pueden ocultar incertidumbres, perspectivas alternativas, conocimientos minoritarios o intereses presentes en la forma de definir el problema.
No toda reducción de esfuerzo es progreso educativo. Depende de si eliminamos una carga irrelevante o el pensamiento necesario para aprender.
Pensamiento crítico es también criterio profesional
Aunque el estudio se sitúa en la educación superior, su marco resulta especialmente pertinente para la Formación Profesional.
Una persona competente no se limita a ejecutar correctamente un procedimiento. Debe comprender la situación, seleccionar la información relevante, formular hipótesis, valorar riesgos, justificar decisiones y responder de sus consecuencias.
El artículo identifica seis capacidades que deben preservarse en los entornos educativos enriquecidos con IA: interpretación conceptual, razonamiento inferencial, juicio evaluativo, regulación metacognitiva, curiosidad intelectual e integridad epistémica.
Traducidas al ámbito profesional, significan que el alumnado debe ser capaz de construir significado, obtener conclusiones justificadas, valorar la calidad de las evidencias, revisar su propio razonamiento, explorar alternativas y asumir la responsabilidad sobre lo que afirma y decide.
La FP no debe formar únicamente personas capaces de ejecutar una solución, sino profesionales capaces de explicar por qué es adecuada y en qué condiciones debería revisarse.
Ocho principios para integrar la IA con criterio
Vendrell y Johnston traducen esas capacidades en ocho principios de diseño pedagógico. Desde una óptica directiva, pueden interpretarse como ocho decisiones que el centro debe facilitar, compartir y trasladar progresivamente a sus actividades y sistemas de evaluación.
1. Preservar la fricción cognitiva
Antes de consultar la IA, el alumnado debería interpretar el problema, formular una primera hipótesis o construir una propuesta inicial. La herramienta puede intervenir después para introducir variables, objeciones o alternativas.
Clave directiva: identificar, en las actividades más relevantes, qué esfuerzo cognitivo debe quedar necesariamente en manos del alumnado.
2. Utilizar la IA como interlocutora provisional
La IA no debe presentarse como autoridad, sino como una fuente de contraste. Puede sugerir hipótesis, simular escenarios o formular contraargumentos, pero sus respuestas deben considerarse propuestas pendientes de evaluación.
Clave directiva: promover una cultura en la que trabajar con IA signifique interrogar sus respuestas y decidir qué valor tienen, no aceptarlas automáticamente.
3. Integrar la evaluación durante todo el proceso
La fiabilidad de las fuentes, la consistencia de los argumentos, los posibles sesgos y la suficiencia de las evidencias deben revisarse durante la actividad, no únicamente al final.
Clave directiva: acordar criterios básicos para contrastar, justificar, aceptar o rechazar contenidos generados por IA.
4. Hacer visible el razonamiento
Cuando solo se evalúa el producto final, resulta difícil distinguir entre competencia propia y rendimiento asistido. Los borradores, decisiones, versiones sucesivas y breves reflexiones permiten observar cómo ha evolucionado el pensamiento.
Clave directiva: recoger evidencias relevantes del proceso sin convertir la trazabilidad en burocracia o vigilancia indiscriminada.
5. Fomentar curiosidad y humildad intelectual
La IA puede utilizarse para generar contraejemplos, cuestionar supuestos y presentar perspectivas alternativas. El alumnado debe aprender que una respuesta plausible no cierra necesariamente el problema.
Clave directiva: favorecer tareas abiertas en las que explorar, comparar y modificar el criterio inicial forme parte del resultado esperado.
6. Reforzar la integridad epistémica
El alumnado debe responsabilizarse de lo que presenta, aunque haya utilizado IA. Esto exige identificar fuentes, reconocer incertidumbres, declarar usos relevantes y justificar las decisiones finales.
Clave directiva: establecer criterios de transparencia, atribución y autoría adaptados a los distintos tipos de actividad y niveles de riesgo.
7. Evaluar el pensamiento, no solo el resultado final
La IA puede producir entregables formalmente excelentes. Por ello, la calidad superficial del producto ya no demuestra por sí sola la adquisición de una competencia.
Las rúbricas deben valorar el análisis, la calidad de las evidencias, la justificación de las decisiones, la capacidad de revisión y la transferencia a situaciones nuevas.
Clave directiva: combinar productos finales con defensas orales, observación del desempeño, resolución de incidencias y aplicación autónoma.
8. Alternar fases con IA y sin IA
Una actividad puede comenzar con una interpretación autónoma, continuar con una fase de contraste mediante IA y terminar con una revisión o demostración final sin asistencia.
Las zonas sin IA no deben entenderse solamente como mecanismos de control. Son espacios pedagógicos necesarios para construir y acreditar autonomía.
Clave directiva: determinar en qué momentos la IA aporta valor y cuándo debe retirarse para proteger el aprendizaje y verificar la competencia.
Un ejemplo aplicado a FP
Imaginemos una actividad de mantenimiento industrial. El alumnado recibe síntomas, registros de funcionamiento y datos sobre una incidencia.
En una actividad mal diseñada, introduce la información en un modelo generativo y solicita directamente el diagnóstico. Aunque la respuesta sea correcta, ya no sabemos si el estudiante era capaz de interpretar las señales, priorizar hipótesis o seleccionar las comprobaciones necesarias.
Una arquitectura distinta comenzaría con un análisis autónomo y la formulación de varias hipótesis. Después, la IA podría generar contraargumentos, causas alternativas o escenarios en los que esas hipótesis dejarían de ser válidas. El alumnado contrastaría las propuestas con documentación técnica, revisaría su diagnóstico y terminaría resolviendo una nueva incidencia sin asistencia.
En el primer caso, la IA entrega una solución. En el segundo, ayuda a construir y comprobar una competencia.
Del aula a la gobernanza del centro
Estos principios no pueden descansar exclusivamente en la iniciativa individual del profesorado.
La dirección no necesita imponer una metodología única, pero sí crear un marco compartido que permita responder a varias preguntas: qué debe seguir pensando necesariamente el alumnado, qué funciones puede asumir la IA, cómo se hará visible su intervención, qué evidencias demostrarán autonomía y cómo aprenderá el centro de las experiencias realizadas.
El punto de partida no tiene que ser una normativa extensa. Puede consistir en seleccionar algunas actividades relevantes, revisar su diseño, formar a los equipos implicados, desarrollar pequeños pilotos y analizar los resultados antes de extenderlos.
Diagnosticar, priorizar, formar, pilotar, medir y consolidar.
Ese recorrido permite pasar de usos individuales y dispersos a una capacidad pedagógica y organizativa compartida.
Una orientación prometedora, no una receta cerrada
El artículo que sirve de base a esta reflexión presenta un marco conceptual y normativo. Sus principios se apoyan en la psicología cognitiva, la teoría educativa, la ética de la IA y diversas investigaciones recientes, pero el modelo completo todavía debe validarse empíricamente en distintos contextos y disciplinas.
Tampoco ha sido diseñado específicamente para la Formación Profesional. Su traslado a la FP constituye, por tanto, una interpretación que necesita probarse, adaptarse y evaluarse en situaciones reales.
Su valor reside en proporcionar un lenguaje y unos criterios para formular una cuestión que los centros ya están viviendo: qué parte del pensamiento queremos que siga perteneciendo al alumnado cuando la inteligencia artificial puede intervenir en casi cualquier tarea.
La cuestión que importa
La pregunta ya no es únicamente si permitimos utilizar inteligencia artificial. Tampoco basta con decidir dónde puede intervenir.
La cuestión central es qué capacidades humanas queremos preservar y desarrollar cuando producir respuestas será cada vez más rápido y sencillo.
Un centro de FP no debería conformarse con que su alumnado sepa utilizar la IA. Debe conseguir que pueda pensar con ella, discutir sus propuestas, detectar sus límites y asumir las decisiones que finalmente adopta.
La competencia decisiva no será obtener una buena respuesta de la IA, sino conservar la capacidad de interpretarla, cuestionarla y decidir qué hacer con ella.
La IA puede ayudarnos a responder más rápido.
La educación debe asegurarse de que seguimos siendo capaces de formular las preguntas, construir los argumentos y tomar las decisiones que nos corresponden.
Artículo tomado como referencia
Vendrell, M. y Johnston, S.-K. (2026). Scaffolding critical thinking with generative AI: Design principles for integrating large language models in higher education. Computers and Education: Artificial Intelligence, 10, 100572.
Acceder al artículo completo en abierto
Artículos anteriores relacionados
- Del error a la competencia: cómo diseñar una IA que ayude a pensar, corregir y aprender en FP.
- Lo que vuestro centro de FP ya sabe hacer —y aún no sabe que sabe—.
Desde EXP INN Lab acompaño a los centros de Formación Profesional en la integración pedagógica y organizativa de la inteligencia artificial mediante diagnósticos, formación-acción y proyectos acotados que permitan convertir los principios en prácticas transferibles y capacidad instalada en el centro.