Enseñar a los estudiantes a usar la IA: de la competencia digital al resultado de aprendizaje
Los debates sobre la IA generativa en la educación superior suelen partir de una misma premisa: los estudiantes necesitan un nivel previo de competencia digital para poder utilizar la inteligencia artificial de forma productiva.
Quienes saben buscar, filtrar y evaluar información digital suelen considerarse los principales beneficiarios de herramientas como ChatGPT. Otros estudiantes, en cambio, corren el riesgo de quedarse aún más atrás, lo que puede contribuir a acentuar las desigualdades existentes.
La evidencia reciente refuerza este enfoque. Los estudiantes con mayores competencias digitales en resolución de problemas o ética digital utilizan la IA generativa con mayor frecuencia y muestran actitudes más positivas hacia ella (Caner-Yıldırım, 2025). Al mismo tiempo, investigaciones basadas en modelos como el marco europeo DigComp se han centrado sobre todo en medir carencias. Estos trabajos muestran que los supuestos “nativos digitales” son menos competentes de lo que a menudo se asume (Lucas et al, 2022).
¿Y si la relación con la IA fuera inversa?
Sabemos menos sobre la relación contraria. ¿Puede el uso pedagógicamente diseñado de la IA desarrollar las competencias digitales del alumnado, y no solo depender de ellas?
En un artículo reciente abordamos esta cuestión desde una perspectiva empírica. Analizamos el impacto de una intervención con IA generativa en las competencias digitales del estudiantado universitario (García & Pallarés, 2026).
Las competencias se evaluaron mediante el marco DigComp (Vuorikari et al, 2022), lo que permitió analizar cambios en áreas específicas y comparables de competencia digital.
Más allá de una visión estática de la competencia digital
La investigación sobre competencias digitales en educación superior ha crecido de forma notable durante la última década. Sin embargo, gran parte de este trabajo sigue tratando la competencia digital como un atributo fijo. Con frecuencia se asume que los estudiantes “traen” sus competencias digitales a la universidad. Se presta menos atención a cómo estas competencias pueden desarrollarse mediante el diseño docente, por lo que predominan evaluaciones puntuales que describen niveles existentes, pero aportan poca información sobre su evolución.
Este énfasis en la medición ha generado una limitación relevante en la literatura. Sabemos más sobre cómo la competencia digital predice el uso de nuevas tecnologías que sobre cómo el uso educativo de esas tecnologías puede, a su vez, fortalecer dichas competencias.
IA como prerrequisito… ¿o como herramienta formativa?
Numerosos estudios muestran que los estudiantes con mayor competencia digital usan más la IA y muestran actitudes más positivas hacia ellas (Moravec et al, 2024; Saklaki & Gardikiotis, 2024). Desde este enfoque, la competencia digital se concibe como un requisito previo para un uso productivo de la IA.
Este modelo de “competencia primero” oculta una pregunta pedagógica clave. ¿Puede la IA integrada de forma intencional ayudar a desarrollar las competencias que supuestamente exige?
Además, existe otra limitación importante. Aunque el marco DigComp se utiliza ampliamente con fines diagnósticos, rara vez se emplea de manera sistemática para evaluar ganancias de aprendizaje tras intervenciones educativas.
Como resultado, la evidencia disponible no permite extraer conclusiones sobre qué dimensiones de la competencia digital son más sensibles al aprendizaje mediado por IA.
¿Qué sabemos hasta ahora?
Aun así, la literatura reciente ofrece algunos avances en este sentido. Diversas investigaciones sugieren que integrar herramientas como ChatGPT en tareas de aprendizaje estructuradas puede estimular la búsqueda de información, el razonamiento analítico y la evaluación crítica (Dalgıç et al., 2024; Naamati-Schneider & Alt, 2024).
No obstante, todavía faltan estudios experimentales o cuasi-experimentales que vinculen diseños didácticos basados en IA con mejoras medibles en áreas concretas del marco DigComp. También sabemos poco sobre si estos beneficios se distribuyen de manera equitativa o si favorecen sobre todo a quienes ya parten con mayores competencias digitales.
Este vacío es importante. Si concebimos las competencias digitales como maleables, y no como fijas, la IA deja de ser solo una tecnología que “exige” determinadas habilidades. Pasa a ser, además, una herramienta pedagógica con potencial formativo.
Este cambio de enfoque desplaza el centro del debate. Ya no se trata de preguntar si el alumnado está preparado para la inteligencia artificial, sino de si nuestras prácticas docentes están preparadas para usarla de manera que fomente el desarrollo competencial y reduzca desigualdades.
Aprender con IA, no delegar en ella
En nuestro estudio, diseñamos un ensayo controlado aleatorizado en el que un grupo experimental recibió formación específica para usar modelos de lenguaje de forma estratégica y reflexiva. Los estudiantes aprendieron a contextualizar preguntas, descomponer problemas, refinar prompts y verificar sus propias soluciones antes de recurrir a la IA.
Para los estudiantes con niveles más bajos (por encima de la mediana) al inicio del curso, la intervención produjo mejoras grandes y significativas en todas las áreas de competencia digital evaluadas, con incrementos de entre 18 y 38 puntos porcentuales.
En cambio, entre quienes partían de niveles más altos (por encima de la mediana), los efectos fueron más moderados, lo que sugiere un efecto compensatorio del uso pedagógico de la IA.
Lejos de ampliar la brecha digital, el uso guiado de la IA ayudó a reducirla. Los estudiantes con menos recursos iniciales fueron quienes más ganaron.
De “permitir o prohibir” a “cómo enseñar con IA”
La competencia digital no debería entenderse solo como un requisito previo para usar la IA. Bajo un diseño adecuado, la IA puede ser una herramienta pedagógica para construir competencias clave, especialmente la alfabetización informacional y la resolución de problemas.
Esto implica integrar la IA en el currículo como parte del proceso de aprendizaje. No como un añadido tecnológico, sino como un recurso para planificar, supervisar y evaluar el propio aprendizaje.
Para las universidades preocupadas por la equidad, el foco debería ponerse menos en el acceso a la IA y más en el apoyo para aprender a usarla bien.
Aunque será necesario seguir profundizando con investigación adicional, la evidencia disponible transmite un mensaje optimista. Enseñar a formular buenas preguntas, evaluar respuestas y reflexionar sobre las propias competencias puede ayudar a reducir desigualdades, no ampliarlas, y promover una educación superior más inclusiva.
No son necesarias las competencias digitales para utilizar la IA. Hay que tener clara la pregunta y contrastar la respuesta, porque puede equivocarse.
Es una magnífica herramienta de información y ayuda para redactar documentos, entre otras habilidades.
[…] alumnos, nativos digitales, están «enganchados» a las redes sociales y empiezan a disponer de herramientas de inteligencia artificial que usan a diario; resulta razonable concluir que algunas de las tradicionales actividades docentes […]
El artículo de García y Pallarés confirma algo que quien lleva tiempo trabajando con IA en el aula intuía, pero que convenía demostrar empíricamente: la competencia digital no es el punto de partida, es el resultado. Que los estudiantes con menor nivel inicial sean precisamente quienes más ganan invierte una de las premisas más enquistadas del debate, y lo hace con datos.
Pero permítanme añadir una capa que el artículo no aborda, porque no era su objeto, y que sin embargo es el verdadero nudo pedagógico.
El problema no es si el estudiante sabe usar la IA. Es si sabe cuándo no usarla. La destreza técnica para formular prompts, descomponer problemas o refinar consultas es importante, pero es instrumental. Lo que determina si un estudiante aprende con la IA o simplemente la consume es algo anterior y más difícil de medir en cualquier marco de competencias: la capacidad de reconocer los límites del propio conocimiento antes de delegar en el sistema.
En mi experiencia directa, los estudiantes que mejor aprovechan estos entornos no son los más hábiles digitalmente. Son los que han desarrollado suficiente conciencia metacognitiva para saber qué pregunta hacerle a la IA y por qué esa pregunta y no otra. Esa habilidad no es digital. Es epistemológica. Y raramente aparece en los marcos de medición al uso.
El hallazgo del efecto compensatorio es además una buena noticia con una trampa dentro. Si los estudiantes con mayor nivel de partida mejoran menos, puede ser porque ya operaban cerca de su techo en las dimensiones medidas. Pero también puede ser porque quienes parten con más competencias son precisamente los más propensos a delegar en la IA con mayor sofisticación, eludiendo el esfuerzo cognitivo con mayor elegancia técnica. El mínimo esfuerzo disfrazado de competencia es uno de los patrones más difíciles de detectar y de los más frecuentes.
La pregunta que el artículo deja abierta, y que merece investigación urgente, es si estas ganancias en competencia digital se traducen en ganancias equivalentes en pensamiento crítico real, o si estamos midiendo la habilidad de usar bien una herramienta sin medir si el pensamiento que hay detrás de ella ha crecido en la misma proporción.