Sin embargo, puede producirse un problema que pocos están diciendo: cuando automatizamos sin criterio pedagógico, podría suceder que no estamos mejorando la enseñanza… y no me refiero a que los alumnos estén respondiendo con IA.

Este artículo no es un rechazo a la inteligencia artificial. Es lo contrario: una invitación a usarla mejor. Porque usándola mal, corremos el riesgo de producir más material, con menos aprendizaje.

Decíamos que hoy cualquier herramienta puede convertir un video en una guía en segundos. El acceso al contenido dejó de ser el problema. El problema ahora es pensar qué hacemos con ese contenido, y no dejar que otros piensen por mí.

Cuando un docente acepta una guía generada automáticamente sin revisarla o intervenirla, está delegando decisiones pedagógicas importantes a un sistema que, por defecto, no conoce a sus estudiantes, su contexto y sus objetivos reales de aprendizaje. Es cierto: el sistema sí podría conocer todo esto, pero solo si el docente se lo entrega explícitamente. Y ahí aparece un doble problema que suele pasarse por alto.

Primero, pedagógico: entregar ese nivel de información requiere tiempo, criterio y claridad. No es simplemente “pegar un link”, es construir contexto intencionalmente. La pregunta, para algunos algo incómoda, es: ¿estamos realmente dando esa información o estamos esperando que la herramienta adivine?

Segundo, ético y legal: en contextos escolares, gran parte de esa información implica datos de menores de edad. Compartir datos sensibles (niveles, dificultades, características individuales) con sistemas externos no es trivial y, en muchos casos, puede vulnerar normativas de protección de datos.

Entonces, el dilema es real: o trabajamos con poca información (y obtenemos guías genéricas), o entregamos más contexto (y asumimos un riesgo que debe ser gestionado con extremo cuidado). El resultado suele ser una guía correcta pero irrelevante. No estará mal escrita. No estará mal estructurada. Pero ¿genera aprendizaje profundo? Porque la IA puede producir estructura, pero no puede definir intención pedagógica.

El falso ahorro de tiempo

Uno de los argumentos más comunes es que estas herramientas ahorran tiempo. Y sí, lo hacen. Pero solo en una dimensión. Porque lo que se podría ganar en velocidad, muchas veces se pierde en calidad. Aunque para aquellos que saben usar bien la IA esto no ocurre.

Una guía generada automáticamente tiene que asegurar lo siguiente: está ajustada al nivel real del curso, considera errores típicos de los estudiantes, anticipa dificultades cognitivas y articula progresión de aprendizaje. Si no, entonces ocurre algo paradójico: el docente termina editando, corrigiendo, rehaciendo. Y muchas veces, eso puede tomar más tiempo que el que se habría demorado haciéndola solo. La IA no elimina el trabajo docente; lo transforma. 

El punto ciego: el video no es el contenido

Aquí está el cambio más profundo. Durante años, el valor estaba en el contenido: encontrar buenos videos y recursos. Hoy, eso ya no es escaso. Puedes usar videos de YouTube, generar los propios con herramientas como HeyGen o Invideo, y crear contenido con IA en minutos.

Entonces, si el contenido ya no es el diferencial, ¿dónde está el valor? Está en cómo hacemos pensar a los estudiantes. El video es solo la excusa. La guía es el material didáctico. Y la calidad de esa guía depende de algo que, por ahora, ninguna herramienta puede automatizar completamente: el juicio y la experiencia del docente.

Lo que sí funciona: un modelo de trabajo con IA

Si vamos a usar IA para generar guías a partir de videos, necesitamos cambiar la lógica. No se trata de automatizar el proceso, sino de diseñarlo mejor. Aquí propongo un modelo en cinco etapas.

Etapa 1: Control del input

La mayoría de los docentes pega el link del video y espera resultados. ¿Error? En muchos casos, sí. Trabajar con la transcripción del video es mejor y permite un mayor control sobre el contenido.

Etapa 2: Diseño mediante prompts

No basta con pedir “hazme una guía”. Un buen prompt debe forzar estructuras pedagógicas. Por ejemplo: siempre incorporar los objetivos de aprendizaje específicos, generar preguntas que progresen en complejidad, incluir actividades que apunten a habilidades diferentes, agregar taxonomías de Bloom para aumentar el rango de posibilidades de actividades. Asimismo, ser específico al decir el número de actividades, alternativas, orden, forma de los enunciados, tipo de lenguaje de la prueba (serio, irónico, animante), etc., y diseñar una mini rúbrica clara si fuera preciso.

En este caso, dado que estamos dando el contenido, la diferencia entre una guía mediocre y una pedagógicamente eficaz no está en la herramienta, sino en la calidad de las instrucciones que damos.

Etapa 3: Anticipación antes del video

Una práctica clave: los estudiantes deben leer la guía (por ejemplo, con el profesor en voz alta) antes de ver el video. Leer las preguntas les prepara la atención y concentración. Ya no ven pasivamente, sino que lo harán buscando ideas clave, respuestas y relaciones. La guía deja de ser un registro posterior y se transforma en un “lugar de descubrimientos”.

Etapa 4: Práctica guiada en clase

Mientras ven el video intentan ir respondiendo su guía y al finalizar la completan. ¿Cómo? con el profesor, o en grupos pequeños, o como sea lo mejor para el nivel, lo que permite contrastar interpretaciones, detectar errores, construir significado colectivo y reforzar conocimientos.

Etapa 5: Incorporación del pensamiento crítico

Aquí está la gran diferencia. Después de todo el proceso, se deben agregar preguntas que vayan más allá del video, las que deben cuestionar supuestos, conectar con otros contextos y obligarlos a tomar posición.

Este tipo de preguntas no suele aparecer en las guías automáticas, y son precisamente las que generan aprendizaje profundo. Puedes pedir ayuda a los LLM que te den posibles preguntas de metacognición y pensamiento crítico a propósito de los contenidos del video; son un buen punto de partida.

Advertencia: más tecnología no es mejor pedagogía

Existe una narrativa en el ambiente: más IA implica mejor educación. Esto es falso. La IA puede amplificar tanto buenas como malas prácticas. Un docente con claridad pedagógica y algo de entrenamiento en IA y buena intuición, usará estas herramientas para enriquecer su enseñanza. Un docente sin esa claridad, producirá más actividades sin impacto real. Y esto es un riesgo real que puede ser una injusticia y perjuicio para los estudiantes, quienes merecen lo mejor que les podemos dar.

Consejos prácticos para no caer en la trampa

• No uses la primera guía que genera la IA.

• Ajusta siempre al contexto de tus estudiantes.

• Reduce la cantidad de preguntas y mejora su calidad.

• Prioriza profundidad sobre cobertura.

• Diseña al menos una actividad en la que tengan que ir más allá del contenido.

• Incluye siempre una instancia de reflexión.

Y una pregunta clave que todo docente debería hacerse: ¿estoy usando la IA para evitar trabajar y pensar, o para pensar mejor? 

El verdadero cambio

*El valor está en decidir qué es importante, definir cómo se aprende y construir experiencias significativas.

*En otras palabras, el valor está en el profesor. Y ese juicio no se automatiza, se desarrolla. En un contexto en el que la inteligencia artificial ya permite generar contenido, evaluar tareas e incluso simular explicaciones, el rol del docente no desaparece. Se vuelve más exigente. Porque ya no basta con saber. Hay que saber decidir. Y esa sigue siendo –y probablemente siempre será– una tarea profundamente humana, y los que la "entreguen" se estarán vaciando de sí mismos y no tendrán nada que dar a sus estudiantes.