China acaba de lanzar un plan nacional de IA en educación para cientos de millones de estudiantes. UNICEF confirma que ningún país del mundo regula lo que las empresas EdTech hacen con los datos de esos mismos estudiantes. En Lima, 418 alumnos cuentan que usan ChatGPT para casi todo, y que muchos lo ocultan a sus profesores.
Este mes, cuatro estudios: la ambición, el riesgo, el aula y la ciencia que lo explica.
Lo que hemos leído este mes | This month’s reads
1. El plan más ambicioso del mundo para la IA en educación
“Plan de Acción ‘IA + Educación’”
Ministerio de Educación, NDRC, Ministerio de Industria y TI, Ministerio de Ciencia y Tecnología, Oficina Nacional de Datos — China (abril 2026)
En abril de 2026, cinco ministerios chinos firmaron conjuntamente el Plan de Acción ‘IA + Educación’: un documento de política pública con horizonte 2030 que pretende integrar la inteligencia artificial en todos los niveles del sistema educativo del país más poblado del mundo. No es un experimento piloto ni una hoja de ruta aspiracional: es legislación coordinada al más alto nivel, con medidas concretas para infantil, primaria, secundaria, formación profesional, universidad y educación de adultos.
El plan tiene dieciséis medidas en cinco ejes. En aprendizaje, propone ‘tutores inteligentes’ capaces de adaptar el itinerario a cada estudiante, con especial atención a zonas rurales y a estudiantes con discapacidad. En el eje docente, apuesta por sistemas de IA que asistan al profesor en preparación de clase, análisis del progreso, corrección automática y retroalimentación personalizada. En gobernanza, plantea un ‘cerebro educativo inteligente’ que coordine la toma de decisiones a escala nacional mediante análisis de datos en tiempo real.
Dos aspectos merecen atención especial. El primero es el énfasis en seguridad: una sección entera dedicada a ‘barreras de seguridad’ para la IA educativa, con auditoría de modelos, revisión de contenidos generados y alertas ante fraude o suplantación. El segundo es la escala de inversión en infraestructura: una plataforma nacional de cómputo, bases de datos lingüísticas propias y modelos de lenguaje específicos para educación desarrollados por el Estado. La pregunta que el plan no responde, y que el resto de este número plantea con urgencia, es si toda esa tecnología vendrá acompañada de evidencia pedagógica que demuestre que realmente funciona.
“Promover la tecnología inteligente con orientación al bien, cultivar las capacidades para prosperar en la era de la inteligencia.” — Plan de Acción IA + Educación, China, 2026
2. Los datos de los estudiantes: el activo que nadie protege
“Data Governance for EdTech: Policy Recommendations”
UNICEF Innocenti – Global Office of Research and Foresight (septiembre 2025)
Mientras China despliega su plan y los gobiernos lanzan iniciativas de IA educativa, UNICEF Innocenti publicó el informe más completo hasta la fecha sobre lo que sucede con los datos de los menores que usan herramientas EdTech. La conclusión es incómoda: el mercado EdTech global valía 142.000 millones de dólares en 2023 y se espera que se cuadruplique, impulsado por la IA. Todo ese crecimiento se sustenta en los datos de niños y adolescentes. Y nadie lo regula de forma efectiva.
El informe recoge un dato que lo resume todo: una revisión de la OCDE encontró que ningún país había establecido regulación ni contrato alguno sobre el acceso a los datos recogidos por proveedores comerciales dentro de las escuelas públicas. Ni uno. Tampoco existían directrices sobre algoritmos o decisiones automatizadas en las aulas. No es falta de conciencia: es un problema de velocidad. Y en ese vacío, el análisis de Human Rights Watch sobre 163 productos EdTech usados por 49 gobiernos durante el COVID-19 encontró que la mayoría arriesgaba o violaba directamente la privacidad infantil.
El informe identifica riesgos poco discutidos: los algoritmos pueden replicar sesgos de sus datos de entrenamiento, perpetuando desventajas sociales; algunos gobiernos comparten datos educativos con agencias de seguridad o inmigración; el procesamiento masivo tiene un coste medioambiental real en energía y agua. UNICEF propone diez recomendaciones. La más urgente es también la más básica: poner los derechos de los menores en el centro del diseño, antes de escribir una línea de código.
“La ausencia de marcos legales y técnicos coordinados ha llevado a protecciones inconsistentes para los menores en distintas jurisdicciones. Sin una reforma urgente, el EdTech arriesga profundizar las desigualdades y exponer a los niños a daños.” — UNICEF Innocenti, 2025
3. Cómo usan los estudiantes la IA de verdad: 418 conversaciones sinceras
“ChatGPT at University: The Definitive Transition from Adoption to Quality of Student Interaction”
Deroncele-Acosta et al. — Universidad San Ignacio de Loyola, Lima, Perú (Education Sciences, marzo 2026)
El 75% de los 418 estudiantes universitarios entrevistados usa ChatGPT de forma frecuente en su trabajo académico. Solo el 12% lo usa sin modificar el resultado; el 71% reformula el contenido antes de entregarlo; el 64% contrasta las respuestas con fuentes académicas. Pero lo más valioso está en lo que los propios estudiantes cuentan cuando se les da espacio para hablar.
Los investigadores peruanos entrevistaron a 418 estudiantes de pregrado, máster y doctorado en Educación y analizaron el corpus con ATLAS.ti, obteniendo un mapa de diez dimensiones. Su contribución más importante es conceptual: un continuum entre interacción de alta calidad (verificar, reformular, apropiarse del contenido, asumir la autoría) e interacción de baja calidad (delegar, aceptar sin más, ocultar el uso). Esto desplaza el debate desde el “¿hay que prohibir la IA?” hacia una pregunta más útil: ¿qué tipo de interacción queremos cultivar?
El hallazgo más incómodo es el del ocultamiento. Muchos estudiantes reconocen no declarar que usaron ChatGPT por temor a la reacción de sus profesores. No es solo un problema de integridad académica: es un síntoma de que las instituciones no han creado marcos claros ni seguros. Cuando las normas son ambiguas, los estudiantes desarrollan usos tácticos y encubiertos; cuando las universidades establecen pautas claras y rediseñan la evaluación, emergen interacciones más transparentes y críticas. La calidad de la interacción, concluyen los autores, no es solo un comportamiento individual: es un fenómeno ecológico, moldeado por la cultura institucional.
“La diferencia no está en si usas ChatGPT o no, sino en cómo interactúas con él. Si copias la respuesta, no aprendes mucho; pero si la cuestionas, verificas la información y mejoras lo que te da, entonces se convierte en una herramienta de aprendizaje.” — Estudiante S27, citado en Deroncele-Acosta et al., 2026
4. La evidencia que cambia el debate: la IA como partner cognitivo produce aprendizaje transformador
“Human-GenAI Pedagogical Partnerships and Transformative Learning: A Paradoxical Dual Cognitive Pathway Model”
Wang et al. — International Journal of Educational Technology in Higher Education (2025)
Llevamos más de un año oyendo que la descarga cognitiva es el gran peligro de la IA en educación. Este estudio matiza ese relato con la evidencia empírica más robusta que hemos visto hasta la fecha. Wang et al. diseñaron un estudio con 912 estudiantes universitarios de tres contextos culturales (China, Europa y Estados Unidos) usando modelado de ecuaciones estructurales, análisis cualitativo comparativo de conjuntos difusos y entrevistas con 45 estudiantes.
El hallazgo central es contraintuitivo: tratar la IA como ‘partner pedagógico’ (colaborador intelectual, no herramienta) activa simultáneamente dos mecanismos que la literatura presenta como opuestos. Por un lado, la vigilancia cognitiva: el estudiante evalúa críticamente, verifica, cuestiona. Por otro, la descarga cognitiva: delega tareas de bajo nivel para liberar capacidad mental. Ambos, paradójicamente, contribuyen de forma positiva y significativa al aprendizaje transformador.
Lo que más desafía el relato dominante: la descarga cognitiva no daña el aprendizaje profundo: lo facilita cuando supera cierto umbral. La relación tiene forma de U: por encima de un nivel de delegación estratégica, los recursos liberados se reinvierten en reflexión de orden superior. Los resultados son consistentes en los tres contextos, con matices regionales. La implicación es clara: el objetivo no es minimizar la descarga cognitiva, sino diseñar las condiciones para que sea estratégica y se produzca dentro de un partnership genuino. Una IA usada como oráculo inhibe ese proceso; una IA tratada como colaborador lo activa.
“Los hallazgos reconceptualizan la dinámica estudiante-IA de una competencia cognitiva de suma cero a una colaboración cognitiva sinérgica.” — Wang et al., 2025
La gran idea del mes | The big idea this month
Cuatro estudios, cuatro ángulos que, leídos juntos, dibujan un panorama más matizado y más útil que el debate habitual sobre IA y educación.
China despliega la apuesta más ambiciosa del planeta, coordinada entre cinco ministerios. UNICEF confirma que los datos de los estudiantes que la alimentan no tienen protección efectiva en ningún país del mundo. En Lima, 418 universitarios muestran que el problema no es si se usa la IA, sino cómo, y que la calidad de esa interacción depende más de la cultura institucional que del estudiante individual. Y Wang et al., con 912 estudiantes en tres continentes, aportan la evidencia más sólida hasta la fecha: cuando el estudiante trata la IA como colaborador intelectual en lugar de oráculo de respuestas, la descarga cognitiva no inhibe el aprendizaje profundo: lo facilita.
El debate no era IA sí o IA no. Era qué tipo de relación con la IA produce qué tipo de aprendizaje.
La diferencia entre una IA que educa y una que solo aparenta educar no está en la sofisticación del modelo, sino en las decisiones pedagógicas, éticas e institucionales que se toman antes de ponerla en manos de los estudiantes. La tecnología ya existe y funciona cuando se usa bien. Las decisiones siguen siendo humanas, y la mayoría de los sistemas educativos todavía no las han tomado.
En BlinkLearning seguimos trabajando desde esa premisa. Max, su tutor de IA, no opera como un chatbot de propósito general: está diseñado a partir de criterios pedagógicos explícitos y actúa dentro del diseño de sesión que el docente ha definido previamente. El profesor sigue siendo el arquitecto del aprendizaje; Max es el andamiaje que permite personalizarlo a escala. Y para no quedarse solo en las intenciones, han puesto en marcha un estudio de eficacia riguroso, apoyado por el IESE y la Universidad Autónoma de Madrid, para medir si Max realmente mejora los resultados de aprendizaje.
La pregunta que te dejamos | The question we leave you with
Las instituciones educativas en las que trabajas o con las que colaboras, ¿tienen una política clara sobre cómo se usa la IA? ¿Esa política está diseñada para prohibir, para ignorar, o para cultivar el tipo de interacción que realmente produce aprendizaje?
Nos encantaría leer tu experiencia en los comentarios. 👇
📌 EduIA Pulse es la publicación mensual de BlinkLearning sobre investigación en IA y educación.
🔗 Fuentes:
— Ministerio de Educación et al. (2026). Plan de Acción ‘IA + Educación’. Gobierno de China.
— UNICEF Innocenti – Global Office of Research and Foresight (2025). Data Governance for EdTech: Policy Recommendations.
— Deroncele-Acosta, A. et al. (2026). ChatGPT at University: The Definitive Transition from Adoption to Quality of Student Interaction. Education Sciences, 16, 515.
— Wang, S. et al. (2025). Human-GenAI Pedagogical Partnerships and Transformative Learning: A Paradoxical Dual Cognitive Pathway Model. International Journal of Educational Technology in Higher Education.
