Hay una confusión fácil de cometer cuando evaluamos el impacto de la IA en la formación: asumir que, si el resultado mejora, el aprendizaje también lo hizo. Una persona resuelve un ejercicio más rápido, redacta una respuesta de mayor calidad, encuentra la información que necesitaba en segundos, y desde fuera todo parece indicar que la herramienta funcionó. Probablemente funcionó. Pero queda una pregunta que no siempre nos hacemos: ¿qué parte de ese resultado pertenece a la persona y qué parte pertenece a la herramienta?
El OECD Digital Education Outlook 2026 pone nombre a esta distinción y aporta evidencia incómoda: el acceso a IA generativa puede mejorar el desempeño en una tarea sin traducirse en una ganancia real de aprendizaje, una ventaja que en varios estudios desaparecía o se invertía en el momento en que la persona debía enfrentar una evaluación sin esa ayuda. Si esto es así, la pregunta que debería guiar el diseño de una experiencia formativa deja de ser si el contenido es correcto o atractivo. Se vuelve más incómoda: ¿esta experiencia está ayudando a alguien a pensar por sí mismo, o simplemente lo está ayudando a llegar más rápido a una respuesta?
Esa pregunta cambia el lugar que ocupa quien diseña la experiencia de aprendizaje. Cuando la IA puede generar casi cualquier contenido que sepamos describir, el trabajo del guionista educativo deja de estar en la producción y empieza a estar en el criterio: decidir qué merece enseñarse, qué papel debe cumplir la IA dentro de la experiencia y, sobre todo, qué parte del esfuerzo cognitivo no conviene automatizar. De eso trata este artículo.
Cuando hacer mejor una tarea no significa aprender más
Hay una idea del OECD Digital Education Outlook 2026 que me parece especialmente importante para quienes creamos contenidos de formación: hacer mejor una tarea con ayuda de la IA no significa necesariamente haber aprendido más.
Puede parecer una distinción demasiado sutil, si una persona consigue resolver un problema más rápido, redacta una respuesta de mayor calidad o encuentra la información que necesitaba en unos segundos, desde fuera todo parece indicar que la herramienta ha funcionado.
Y probablemente ha funcionado pero queda una pregunta que no siempre hacemos: ¿qué parte de ese resultado pertenece a la persona y qué parte pertenece a la herramienta?
La diferencia importa porque el objetivo de una experiencia educativa no debería ser únicamente conseguir un buen resultado, también debería ser desarrollar la capacidad que permite conseguir ese resultado cuando las condiciones cambian.
La OECD recoge evidencia emergente que apunta precisamente en esta dirección. Las herramientas de IA generativa de propósito general pueden mejorar el desempeño de los estudiantes en determinadas tareas, pero esa mejora no se traduce automáticamente en ganancias de aprendizaje. En algunos estudios, los estudiantes que tenían acceso a estas herramientas producían trabajos de mayor calidad, pero esa ventaja desaparecía y en algunos casos se invertía cuando tenían que enfrentarse a una evaluación sin acceso a la IA.
Diagrama hacerlo mejor una tarea no significa aprender más
Lee también Onboarding Genérico vs. Personalizado: ¿Cómo Diseñarlo por Rol sin Sobrecargar a RR. HH.?
La OECD resume esta idea al recomendar que la IA se utilice de forma selectiva y deliberada para enriquecer el aprendizaje, sin sustituir el esfuerzo cognitivo que queremos desarrollar, quizá ese sea uno de los nuevos criterios de calidad de nuestro trabajo.
No preguntarnos solamente si el contenido es correcto, ni siquiera si es atractivo sino algo más incómodo: ¿esta experiencia está ayudando a la persona a pensar por sí misma o simplemente le está ayudando a llegar más rápido a una respuesta?
Porque las dos cosas pueden parecer iguales en una pantalla pero no son lo mismo y cuanto mejor sea la IA produciendo respuestas, explicaciones y soluciones, más importante será que quienes diseñamos aprendizaje sepamos distinguirlas.
¿Y si el objetivo no fuera solo aprender el contenido?
Hay una pregunta que quizá deberíamos empezar a hacernos con más frecuencia cuando diseñamos formación con IA: ¿estamos ayudando a una persona a aprender algo o estamos ayudándola a aprender cómo aprender?
Durante mucho tiempo, diseñar un curso significaba definir unos conocimientos que alguien debía adquirir y construir una experiencia para que pudiera adquirirlos: un curso de seguridad, una formación sobre liderazgo, un programa para aprender una herramienta, una capacitación sobre procesos internos, había un contenido que enseñar y un resultado que alcanzar.
Pero la llegada de la IA introduce una variable nueva porque ahora una persona puede preguntarle a una herramienta prácticamente cualquier cosa puede pedir una explicación diferente: un ejemplo, un resumen, una comparación, una traducción, una demostración, una respuesta puede incluso pedirle que le diga qué debería estudiar a continuación.
Eso significa que una parte de las capacidades que antes intentábamos desarrollar dentro del curso puede ser externalizada a una herramienta.
Y ahí aparece un riesgo que me parece especialmente interesante: que enseñemos a las personas a completar tareas en un entorno de IA, pero no a desenvolverse como aprendices autónomos dentro de ese entorno.
Una revisión publicada en 2026 en Computers & Education: Artificial Intelligence aborda precisamente este problema desde el concepto de learning-to-learn, o aprender a aprender.
Los autores revisaron 21 publicaciones y proponen un marco que organiza esta capacidad en tres niveles relacionados: dimensiones, procesos y herramientas. Entre las dimensiones aparecen capacidades cognitivas, meta cognitivas, socio emocionales, sociales y éticas; los procesos incluyen acciones como la autorregulación; y las herramientas se relacionan con estrategias concretas para aprender. El objetivo es utilizar este marco para orientar el diseño de sistemas educativos con IA que apoyen la autonomía del aprendiz en lugar de sustituirla.
Diagrama aprender a aprender en la era de la IA
Esa podría ser una de las métricas más interesantes de la educación en la era de la IA, no sé cuánto puede hacer una persona con la herramienta. Sino cuánto puede llegar a hacer gracias a haber aprendido a utilizarla sin depender completamente de ella y ahí el guionista educativo vuelve a ocupar un lugar interesante.
Porque diseñar aprendizaje no consiste solamente en llevar a alguien desde la ignorancia hasta el conocimiento también consiste en llevarlo desde la dependencia hacia la autonomía quizá, en la era de la inteligencia artificial, ese sea uno de los objetivos más importantes que podemos diseñar.
Lee también Onboarding Personalizado por Rol: 5 Pasos para Acelerar la Adaptación y la Autonomía
La IA puede generar la experiencia, pero no debería decidirla sola
Hay algo que cambia cuando dejamos de pensar en la IA como una herramienta para producir contenido y empezamos a pensar en ella como parte de una experiencia de aprendizaje.
Ya no basta con preguntarnos qué puede generar tenemos que preguntarnos qué papel debería desempeñar puede parecer una diferencia pequeña, pero no lo es, si le pedimos a una IA que escriba una explicación sobre un concepto, estamos tomando una decisión bastante sencilla: queremos contenido.
Si le pedimos que cree un caso práctico, la decisión es algo más compleja: queremos que alguien se enfrente a una situación pero si le pedimos que acompañe al participante durante ese caso, formule preguntas, dé pistas, detecte errores y adapte sus respuestas según lo que la persona haga, ya no estamos hablando solamente de generación de contenido.
Estamos diseñando una interacción.
Y ahí aparece una idea de la UNESCO que me parece especialmente relevante para quienes trabajamos creando formación: el uso de IA generativa en educación debería construirse desde un enfoque centrado en el ser humano y pedagógicamente apropiado. La guía plantea que la intervención humana debe seguir siendo prioritaria y que las decisiones sobre el uso de IA deberían considerar, entre otras cosas, los resultados esperados y el tipo de conocimiento que se pretende desarrollar.
Diagrama la IA puede generar la experiencia, pero no debería decidirla sola
La UNESCO propone precisamente esa mirada: una interacción entre personas e IA que sea apropiada desde el punto de vista pedagógico, que mantenga la intervención humana y que tenga en cuenta los resultados de aprendizaje que se buscan.
Eso devuelve al centro una palabra que a veces olvidamos cuando hablamos de innovación: criterio y quizás ahí esté una parte importante del futuro del guionista educativo, no en competir con la IA para producir más contenido, ni siquiera en aprender a escribir mejores prompts para producirlo más rápido.
sino en saber cuándo: producir, cuándo simplificar, cuándo preguntar, cuándo provocar una dificultad, cuándo ofrecer ayuda y cuándo retirarla, la IA puede generar casi cualquier experiencia que sepamos describir el trabajo verdaderamente interesante empieza cuando tenemos que decidir qué experiencia merece la pena diseñar.
Lee también Liderazgo del cambio en 2026: cómo convertir el aprendizaje en comportamiento
Cuando el problema ya no es producir contenido
Durante mucho tiempo, uno de los problemas más difíciles de la formación digital fue producir suficiente contenido, había que conseguir que una persona experta explica un tema:
- Grabarla.
- Transcribirla.
- Ordenar la información.
- Escribir un guión.
- Revisarlo.
- Diseñar actividades.
- Buscar imágenes.
- Producir vídeos.
- Preparar evaluaciones.
- Adaptar todo a diferentes públicos.
Cada pieza tenía un coste y ese coste hacía que tuviéramos que elegir.
- ¿Qué contenido merece convertirse en un vídeo?
- ¿Qué parte del manual necesita una actividad?
- ¿Qué información podemos dejar fuera?
- ¿Cuántas horas de producción podemos dedicar a un determinado curso?
La IA está cambiando una parte de esa ecuación, ahora podemos producir explicaciones, preguntas, ejemplos, imágenes, vídeos y variaciones de una actividad a una velocidad que hace unos años habría resultado difícil de imaginar y cuando producir deja de ser tan costoso, ocurre algo interesante: la escasez cambia de lugar.
Ya no necesariamente nos falta contenido podemos empezar a tener demasiado.
La UNESCO acaba de poner esta cuestión en el centro de su Semana del Aprendizaje Digital 2026, celebrada del 8 al 11 de septiembre bajo el lema “La educación en la era de la IA: Hechos | Fricciones | Fronteras”. Uno de los puntos de partida del encuentro es precisamente que el contenido sintético está transformando la manera en que el conocimiento se produce y se valida.
Diagrama cuando el problema ya no es producir contenido
Sino desarrollar el criterio necesario para decidir qué merece ocupar unos minutos de la atención de otra persona porque en un mundo donde el contenido puede ser prácticamente infinito, la atención seguirá siendo finita y cuando producir deja de ser el principal problema, diseñar qué merece ser aprendido se convierte en una tarea todavía más importante.
El resultado no siempre cuenta toda la historia
Hay una trampa especialmente fácil de caer cuando evaluamos el impacto de la inteligencia artificial en la educación: mirar el resultado y asumir que el resultado nos dice cuánto se ha aprendido. Si una persona resuelve correctamente un ejercicio, podríamos pensar que ha aprendido. Si escribe una respuesta excelente, podríamos pensar que comprende el tema. Si termina una actividad en la mitad del tiempo, podríamos pensar que el aprendizaje se ha vuelto más eficiente.
Pero ninguna de esas cosas nos permite saberlo por sí sola, una respuesta correcta puede ser el resultado de un proceso de aprendizaje pero también puede ser el resultado de una buena herramienta y la diferencia entre ambas cosas se vuelve especialmente importante cuando hablamos de IA generativa.
Un artículo publicado en Nature Reviews Psychology en 2025 plantea precisamente esta distinción: la IA generativa puede aumentar el desempeño de los estudiantes, pero eso no significa necesariamente que esté produciendo los procesos cognitivos y metacognitivos profundos que necesitamos para un aprendizaje de calidad.
Lee también Segundo cerebro en 2026: de sistema de notas a contexto personal para la IA
Diagrama el resultado no siempre cuenta toda la historia
Porque cuando una máquina puede producir una respuesta casi instantáneamente, nuestra tarea ya no consiste solamente en ayudar a encontrar la respuesta , consiste en decidir qué necesita experimentar una persona para poder encontrarla por sí misma cuando realmente importa, ahí está la diferencia entre automatizar una tarea y diseñar una capacidad y también entre crear contenido y diseñar aprendizaje.
La memoria también necesita hacer el trabajo
Hay una idea que puede resultar incómoda cuando hablamos de inteligencia artificial aplicada al aprendizaje: a veces, hacer que aprender sea más fácil puede hacer que aprendamos menos, no porque la dificultad sea buena en sí misma, ni porque tengamos que volver a diseñar cursos innecesariamente complicados.
Sino porque una parte del esfuerzo que hacemos mientras aprendemos cumple una función: recordar, intentar, equivocarnos, buscar una respuesta y explicar algo con nuestras propias palabras, volver sobre una idea que no terminamos de comprender, comparar y relacionar.
Todas esas pequeñas operaciones mentales pueden parecer obstáculos cuando estamos intentando completar una actividad pero algunas de ellas son precisamente las que hacen que el conocimiento permanezca, un estudio publicado en 2025 en Social Sciences & Humanities Open permite observar esta cuestión de una manera especialmente interesante.
André Barcaui realizó un ensayo controlado aleatorizado con 120 estudiantes universitarios que estaban aprendiendo contenidos relacionados con inteligencia artificial. Un grupo utilizó ChatGPT como apoyo durante el estudio y otro utilizó métodos tradicionales sin IA. Cuarenta y cinco días después, los participantes realizaron una prueba sorpresa de retención.
Lee también Adopción de IA en las empresas: cómo acompañar a los empleados en la transformación del trabajo
Diagrama cuando la IA ayuda demasiado, puede hacer parte del trabajo que necesitamos hacer para aprender
La pregunta no es cuánto contenido puede generar una IA, ni siquiera cuánto tiempo puede ahorrarnos, la pregunta es: ¿qué tipo de aprendizaje estamos diseñando cuando decidimos qué trabajo mental hará la persona y qué trabajo hará la máquina?
Porque cuando esa decisión está bien tomada, la IA deja de ser simplemente una herramienta para producir contenido, se convierte en parte del diseño y ahí es donde el guionista educativo vuelve a tener algo importante que decir.
Convertir la IA en parte activa del aprendizaje
Cuando el reto ya no es consumir más contenidos, sino conseguir que las personas desarrollen capacidades que puedan aplicar en su trabajo, la inteligencia artificial puede asumir un papel diferente dentro de la experiencia de aprendizaje.
Zalvadora integra IA en su ecosistema de formación para ayudar a las organizaciones a llevar el conocimiento más cerca de las necesidades reales de cada persona. Su propuesta permite utilizar los contenidos y conocimiento de la organización como contexto para generar experiencias de aprendizaje más relevantes, resolver preguntas y acompañar a los colaboradores mientras aplican lo aprendido.
La diferencia está en pasar de una formación centrada únicamente en “qué contenido debe consumir una persona” a una experiencia que también puede responder “qué necesita saber para resolver esta situación”.
Para las áreas de Learning & Development, este enfoque permite pensar la IA no solo como una herramienta para producir contenidos, sino como una capa que puede acompañar el aprendizaje y acercarlo al momento en que realmente se necesita.
Porque desarrollar capacidades no consiste únicamente en recordar lo aprendido. Consiste en saber utilizarlo cuando llega el momento de actuar.
Conclusión
Si algo atraviesa toda esta reflexión es que la IA está resolviendo un problema que llevábamos años arrastrando para producir suficiente contenido y, al resolverlo, nos está obligando a enfrentar uno más difícil: decidir qué merece la pena diseñar. Cuando cualquier explicación, ejemplo o simulación puede generarse en segundos, la escasez ya no está en el contenido. Está en el criterio para elegir qué experiencia realmente ayuda a alguien a aprender, y qué experiencia solo lo ayuda a llegar más rápido a una respuesta que después no sabrá reconstruir por sí mismo.
Esa distinción es la que debería orientar cada decisión de diseño a partir de ahora: cuándo dejar que la IA produzca, cuándo dejar que acompañe, y cuándo el aprendizaje exige que sea la persona no la herramienta quien haga el trabajo. Recordar, equivocarse, explicar algo con sus propias palabras, volver sobre una idea que no terminó de entender: ese esfuerzo no es una ineficiencia que haya que eliminar. Es, muchas veces, el mecanismo mismo por el que el conocimiento se queda.
Ahí es donde el guionista educativo recupera un lugar central, no como quien compite con la IA para producir más rápido, sino como quien decide, experiencia por experiencia, qué parte de ese trabajo mental le corresponde a la persona y qué parte puede delegarse. Diseñar aprendizaje en la era de la IA no es solamente llevar a alguien de la ignorancia al conocimiento. Es, cada vez más, llevarlo de la dependencia hacia la autonomía. Y esa sigue siendo, aunque cambien las herramientas, una decisión profundamente humana.
Preguntas frecuentes
- ¿Puede la inteligencia artificial diseñar aprendizaje?
La IA puede generar contenidos, actividades, simulaciones y experiencias educativas, pero el diseño del aprendizaje requiere criterio pedagógico. El objetivo no es solo producir contenido, sino decidir qué debe aprender una persona y qué experiencia le ayudará realmente a desarrollar esa capacidad.
- ¿Qué papel tiene la IA en la educación y la capacitación?
La IA puede personalizar contenidos, generar ejercicios, crear simulaciones, responder preguntas y acompañar a los estudiantes durante el aprendizaje. Su valor depende de cómo se integre dentro de una estrategia pedagógica.
- ¿Qué es un guionista educativo?
El guionista educativo es quien transforma conocimientos y objetivos de aprendizaje en una experiencia formativa. Con la IA, su papel evoluciona desde la producción de contenidos hacia decisiones sobre qué enseñar, qué debe practicar el alumno y qué parte del proceso puede automatizarse.
- ¿La IA mejora realmente el aprendizaje?
No necesariamente. La IA puede mejorar el desempeño en una tarea sin producir una mejora equivalente en el aprendizaje. Por eso es importante evaluar no solo el resultado obtenido con IA, sino también qué puede hacer la persona de manera autónoma.
- ¿Cómo utilizar la IA sin perjudicar el aprendizaje?
La IA debe utilizarse de manera selectiva, evitando sustituir todo el esfuerzo cognitivo que se busca desarrollar. Diseñar actividades que requieran recordar, razonar, explicar, practicar y tomar decisiones puede ayudar a mantener a la persona en el centro del aprendizaje.
- ¿Qué es el aprendizaje autónomo con inteligencia artificial?
Es la capacidad de utilizar herramientas de IA como apoyo sin depender completamente de ellas. El objetivo es que la persona pueda utilizar la tecnología para aprender mejor, pero también comprender, evaluar y aplicar los conocimientos por sí misma.
- ¿Cómo puede la IA ayudar al diseño instruccional?
La IA puede acelerar tareas como la creación de ejemplos, preguntas, casos, actividades y diferentes versiones de un contenido. Esto permite que los profesionales de diseño instruccional dediquen más tiempo a definir objetivos, experiencias, prácticas y estrategias de evaluación.
- ¿Cuál es el futuro del diseño de aprendizaje con IA?
El diseño de aprendizaje evolucionará desde la producción de grandes cantidades de contenido hacia la creación de experiencias más personalizadas, interactivas y orientadas a la práctica. En este contexto, el criterio pedagógico será tan importante como la capacidad de generar contenido.
Bibliografía
- OECD. (2026). OECD digital education outlook 2026: Exploring effective uses of generative AI in education. OECD Publishing. https://doi.org/10.1787/062a7394-en
- UNESCO. (2024). Guía para el uso de IA generativa en educación e investigación. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000389227
- UNESCO. (2026). Digital Learning Week 2026: Education in the age of AI: Facts | Frictions | Frontiers. https://www.unesco.org/en/weeks/digital-learning
- Yan, L., Greiff, S., Lodge, J. M., & Gaševi?, D. (2025). Distinguishing performance gains from learning when using generative AI. Nature Reviews Psychology, 4, 435–436. https://doi.org/10.1038/s44159-025-00467-5
- Barcaui, A. (2025). ChatGPT as a cognitive crutch: Evidence from a randomized controlled trial on knowledge retention. Social Sciences & Humanities Open, 12, 102287. https://doi.org/10.1016/j.ssaho.2025.102287
