La IA en educación no empezó con ChatGPT
Más de una década de sistemas adaptativos, analítica del aprendizaje, recomendación, evaluación automatizada y tutores inteligentes. Lo que cambia con la IA generativa es la escala, la accesibilidad y la visibilidad del debate.
25 de mayo de 2026 · Xavi Pascual · 2 min de lectura
Serie Aprender en la era de la IA · Reflexión 4 de 12 · Mapa de la serie
La IA generativa no inaugura la relación entre IA y educación. Lo que cambia es la escala, la accesibilidad y la visibilidad del debate.
Breve historia: los hitos que nos trajeron hasta aquí
- 1956 — Dartmouth: nace el término “inteligencia artificial”.
- Décadas de 1970 y 1980 — primeros sistemas tutoriales inteligentes y enseñanza asistida por ordenador.
- Años 1990 — Cognitive Tutor / Carnegie Learning como ejemplo de tutor inteligente pre-ChatGPT.
- 1996 — ALEKS: aprendizaje adaptativo y diagnóstico.
- 2006 — DreamBox Learning: matemáticas adaptativas.
- 2008 — Knewton: personalización y motores adaptativos.
- Años 2010 — learning analytics, sistemas de recomendación, evaluación automatizada y tutores inteligentes.
- 2022 — lanzamiento de ChatGPT y entrada masiva de la IA generativa.
Qué aportó la etapa previa
- Personalización — la IA ya permitía adaptar apoyos, ritmos y rutas de aprendizaje.
- Visibilidad — la analítica ayudó a hacer visibles patrones, avances y necesidades.
- Automatización acotada — parte del trabajo podía automatizarse, pero dentro de marcos más cerrados.
- Aprendizaje para el sistema — la tecnología aportaba escala al servicio del propósito pedagógico.
Qué cambió con la IA generativa
- Interfaz conversacional — la interacción se vuelve inmediata y natural.
- Producción expandida — textos, imágenes, código, presentaciones o ideas pueden generarse en segundos.
- Acceso masivo — la IA deja de estar escondida en sistemas y pasa a las manos de millones de personas.
- Delegación cognitiva — ya no solo automatiza tareas acotadas: puede apoyar o sustituir partes del proceso de pensar y producir.
- Nueva visibilidad del problema — si producir es más fácil, tenemos que mirar más profundamente cómo se comprende, se decide y se aprende.
La continuidad que no deberíamos olvidar
Aprender sigue siendo comprender, interpretar y transferir. Enseñar sigue siendo acompañar desarrollo, no administrar contenido. Cubrir contenido sigue sin garantizar aprendizaje. El feedback, la reflexión y la evocación siguen siendo decisivos. Y el criterio humano gana valor cuando la producción se automatiza.
La lección de fondo: la historia de la IA en educación muestra que la tecnología cambia rápido, pero la pregunta pedagógica de fondo permanece: ¿qué condiciones hacen posible el aprendizaje profundo? La novedad no elimina el fundamento. Lo vuelve más urgente.
Esta reflexión se apoya en Luckin y Holmes, Zawacki-Richter et al., Woolf, UNESCO/OCDE y How People Learn II.
La pregunta que sigue abierta
Si la IA lleva años en educación y ahora cambia de escala, ¿qué debemos rediseñar para que el aprendizaje gane profundidad, criterio y evidencias de desarrollo?
Siguiente reflexión → Cuando la IA generativa cambió la escala
Esta reflexión se publicó originalmente como infografía en LinkedIn. Comenta y comparte el post original o sígueme en LinkedIn para recibir las próximas reflexiones.
Aprender en la era de la IA
Ver el mapa de la serie →Seguir explorando
Artículos relacionados
Universidad en la era de la IA
Una educación con ALMA en la era de la IA
En 2025 abrí la UnConvention R·E·H·U·M·A·N de UNIMINUTO, en Bogotá, con una propuesta: una educación con ALMA. Aquí la desarrollo como cuatro decisiones institucionales, acoger, liberar, motivar y acompañar, y la leo en las tres capas de una institución.
Universidad en la era de la IA
¿Quién puede permitirse hoy un acto de fe de cuatro años?
La IA está rompiendo el primer peldaño de la carrera profesional y, con él, la promesa sobre la que se sostiene la universidad tal como la conocemos. Fuera de las profesiones que la ley protege, el título ya no basta. Tres preguntas incómodas, pistas para los modelos universitarios de futuro y por qué hacen falta marcas nuevas, diseñadas desde cero.
Universidad en la era de la IA
Universidades challenger: no todas las universidades del futuro serán universidades transformadas
Algunas universidades no necesitan transformarse porque nacieron distintas. Qué son las universidades challenger, qué las define y qué puede aprender de ellas una universidad tradicional.
¿Trabajamos juntos en esto?
Si este tema toca a tu institución, escríbeme. Respondo personalmente, normalmente en menos de 24 horas laborables.