# Cómo crear una estrategia de inteligencia artificial para una institución educativa > Guía para diseñar una estrategia institucional de inteligencia artificial con objetivos, gobernanza, capacitación, privacidad, implementación y medición. - Site: Genialoh (https://genialoh.org) - Language: es - Category: Estrategia - Reading time: 12 min - HTML version: https://genialoh.org/#/blog/estrategia-inteligencia-artificial-educativa --- La inteligencia artificial ya forma parte de la vida académica de estudiantes y profesores. Aunque una institución todavía no haya aprobado una plataforma o una política formal, es probable que diferentes integrantes de su comunidad ya utilicen herramientas externas para investigar, redactar, preparar materiales, resolver dudas o generar ideas. Ante esta realidad, una institución educativa tiene dos opciones: permitir que la adopción avance de manera fragmentada o crear una estrategia que conecte la tecnología con sus objetivos académicos, sus valores y su modelo educativo. Una estrategia de inteligencia artificial educativa no comienza con la compra de una herramienta. Comienza con una decisión institucional: definir para qué se utilizará la IA, qué problemas ayudará a resolver, qué límites tendrá, quién será responsable y cómo se evaluará su impacto. En esta guía presentamos una ruta para que universidades, bachilleratos y preparatorias privadas diseñen una estrategia institucional de IA clara, gradual y ejecutable. ## ¿Qué es una estrategia institucional de inteligencia artificial? Una estrategia institucional de inteligencia artificial es el conjunto de objetivos, decisiones, reglas, responsables y acciones que orientan el uso de esta tecnología dentro de una institución educativa. Su propósito es evitar que cada área, profesor o estudiante adopte herramientas de manera aislada, sin criterios comunes sobre privacidad, integridad académica, calidad o alineación pedagógica. Una estrategia completa debe responder, al menos, las siguientes preguntas: - ¿Qué objetivos institucionales queremos apoyar? - ¿Qué problemas académicos o administrativos deseamos resolver? - ¿Qué usos de la IA estarán permitidos? - ¿Qué usos estarán restringidos? - ¿Qué información puede compartirse? - ¿Quién tomará las decisiones? - ¿Cómo se capacitará a profesores y estudiantes? - ¿Cómo se medirá la adopción? - ¿Qué criterios permitirán ampliar o detener el proyecto? La estrategia no tiene que resolver todos los escenarios desde el primer día. Debe proporcionar una dirección común y un proceso para aprender, ajustar y tomar nuevas decisiones. ## 1. Comenzar por los objetivos institucionales Uno de los errores más frecuentes consiste en comenzar por la tecnología. Una institución conoce una plataforma, observa una demostración atractiva y trata de encontrar posteriormente dónde utilizarla. Este enfoque puede producir iniciativas desconectadas de las prioridades académicas y difíciles de sostener. El proceso debería comenzar en sentido contrario: identificar primero los objetivos y, después, determinar qué tipo de tecnología puede ayudar. Una universidad podría plantearse objetivos como: - Ofrecer acompañamiento académico adicional. - Proporcionar tutores de IA contextualizados por carrera. - Apoyar a los profesores en la preparación de materiales. - Integrar competencias de IA al plan de estudios. - Establecer reglas comunes de uso responsable. - Mejorar el seguimiento de la adopción. - Crear una alternativa institucional a herramientas genéricas externas. Un bachillerato o preparatoria podría priorizar: - Reforzar conceptos en determinados grados. - Acompañar a estudiantes con diferentes ritmos de aprendizaje. - Capacitar a profesores para diseñar actividades con IA. - Establecer lineamientos claros para estudiantes y familias. - Evitar que se compartan datos personales en plataformas no autorizadas. - Introducir el uso crítico y responsable de la inteligencia artificial. La institución debería elegir entre uno y tres objetivos para la primera etapa. Intentar transformar simultáneamente todos los procesos suele aumentar la complejidad y reducir la capacidad de aprendizaje. ## 2. Realizar un diagnóstico de la situación actual Antes de diseñar el proyecto, conviene entender cómo se utiliza actualmente la inteligencia artificial. El diagnóstico no necesita ser un estudio extenso. Puede comenzar con entrevistas, encuestas breves y reuniones con responsables académicos. Algunas preguntas útiles son: - ¿Qué herramientas utilizan actualmente los estudiantes? - ¿Para qué actividades las utilizan? - ¿Qué profesores ya incorporan IA en sus clases? - ¿Qué dudas o preocupaciones tienen? - ¿Existen lineamientos institucionales? - ¿Se han producido incidentes relacionados con privacidad o integridad académica? - ¿Qué áreas muestran mayor interés? - ¿Qué programas cuentan con coordinadores dispuestos a participar? - ¿Qué materiales académicos podrían utilizarse en una primera implementación? El diagnóstico debe distinguir entre información confirmada e hipótesis. Por ejemplo, escuchar que "todos los estudiantes utilizan IA" no equivale a disponer de datos sobre frecuencia, herramientas o casos de uso. La estrategia debe evitar decisiones basadas únicamente en percepciones generales. ## 3. Crear un equipo responsable La inteligencia artificial educativa no debería ser responsabilidad exclusiva del área de tecnología. La implementación afecta el aprendizaje, la evaluación, la privacidad, la capacitación, la comunicación institucional y la experiencia de estudiantes y profesores. Por ello, requiere la participación de distintas áreas. Un equipo inicial puede incluir: - Rectoría, dirección general o propietario. - Dirección académica. - Coordinaciones de carrera, grado o programa. - Innovación educativa. - Tecnología o sistemas. - Protección de datos o asesoría jurídica. - Desarrollo y capacitación docente. - Representantes de profesores. - Responsables de experiencia estudiantil. No todas las personas tienen que participar en cada reunión. Sin embargo, deben estar definidos los responsables de las decisiones principales. ## 4. Seleccionar los primeros casos de uso Una estrategia institucional necesita traducirse en experiencias concretas. No es suficiente afirmar que la IA ayudará a "personalizar el aprendizaje" o "transformar la educación". Es necesario definir qué harán estudiantes, profesores y coordinadores. ### Para estudiantes - Explicación de conceptos. - Práctica guiada. - Preparación de preguntas para clase. - Comparación de enfoques. - Orientación para proyectos. - Repaso antes de una evaluación. - Identificación de temas que necesitan reforzarse. ### Para profesores - Preparación de ejemplos. - Diseño inicial de actividades. - Generación de preguntas de práctica. - Adaptación del nivel de complejidad. - Organización de materiales. - Exploración de distintas formas de explicar un concepto. - Apoyo para planear sesiones. ### Para coordinadores y responsables académicos - Seguimiento de adopción. - Identificación de dudas frecuentes. - Revisión de casos de uso. - Detección de necesidades de capacitación. - Ajuste de lineamientos. - Evaluación del proyecto piloto. Cada caso debe relacionarse con un objetivo institucional y tener un responsable. ## 5. Elegir un alcance inicial manejable Una estrategia puede ser institucional desde el principio sin desplegarse inmediatamente en toda la institución. Comenzar con un alcance controlado permite capacitar mejor, observar la experiencia y corregir problemas antes de ampliar el acceso. Una universidad puede seleccionar dos carreras. Un bachillerato puede comenzar con dos grados, áreas o programas. La selección puede considerar prioridad estratégica, interés de los coordinadores, disponibilidad de profesores, existencia de materiales autorizados, diversidad de casos de uso y disposición para documentar el proceso. ## 6. Definir el contexto académico de la plataforma Una de las principales diferencias entre el uso individual de una herramienta genérica y una estrategia institucional es el contexto. La institución puede configurar una experiencia basada en su identidad visual, valores, metodología educativa, planes de estudio, mapas curriculares, programas académicos, lineamientos, materiales representativos autorizados y casos de uso definidos por sus responsables. Esto permite crear tutores de IA organizados alrededor de grados, carreras o programas, en lugar de ofrecer la misma experiencia general a toda la comunidad. > **Qué no debe compartirse en una demo o primera implementación** > > - Nombres de estudiantes. > - Expedientes y calificaciones individualizadas. > - Identificadores personales o matrículas. > - Información médica, financiera o familiar. > - Documentos sin autorización institucional. ## 7. Crear una política institucional de uso La estrategia debe estar acompañada por reglas comprensibles. Una política de inteligencia artificial puede incluir propósito institucional, personas y actividades cubiertas, usos permitidos y restringidos, actividades en las que debe declararse el uso de IA, información que no puede compartirse, responsabilidades de estudiantes y profesores, proceso para evaluar nuevas herramientas, canal para reportar dudas o incidentes y periodicidad de revisión. La política debe reconocer que las reglas pueden variar según la actividad. En una asignatura, la IA podría estar permitida para generar preguntas de estudio, pero no para redactar una evaluación. La pregunta central debe ser: ¿qué evidencia de aprendizaje necesita observar el profesor? ## 8. Diseñar un programa de capacitación Proporcionar acceso a una plataforma no garantiza una adopción responsable. Los profesores necesitan comprender qué puede hacer la IA, qué límites tiene, cómo verificar respuestas, cómo diseñar instrucciones, cómo proteger información, cómo comunicar reglas a los estudiantes, cómo rediseñar actividades, cómo utilizar tutores institucionales y cómo interpretar datos de adopción. La capacitación no debería consistir únicamente en una conferencia general. Conviene combinar una sesión común con talleres por área académica y acompañamiento durante la implementación. ## 9. Evaluar proveedores y plataformas La selección de una plataforma debe basarse en criterios institucionales, no solamente en reconocimiento de marca o número de funciones. **Criterios institucionales para evaluar una plataforma de IA** | Dimensión | Qué observar | | --- | --- | | Alineación académica | Contextualización por carrera o grado, permanencia de lineamientos, ajuste al modelo educativo. | | Identidad | Nombre, logotipo, colores y percepción de solución institucional. | | Implementación | Acompañamiento en configuración, capacitación docente incluida, soporte posterior. | | Analítica | Reportes por estudiante y grupo, información institucional, acceso claro a los datos. | | Privacidad y seguridad | Datos mínimos, uso definido de documentos, acceso, almacenamiento y eliminación. | | Modelo comercial | Propuesta adaptada, alcance del precio, ruta de ampliación, alternativas presupuestales. | ## 10. Implementar un piloto acompañado El piloto debe tener un inicio, un periodo de observación y una decisión final. Un proyecto inicial puede incluir selección de dos carreras, definición de casos de uso, recopilación de documentos autorizados, configuración de la experiencia, capacitación docente, acceso para los participantes, seguimiento de uso, reuniones de retroalimentación, revisión de incidentes y presentación de resultados. El objetivo del piloto no es demostrar que la IA siempre funciona. Su objetivo es producir información suficiente para decidir qué debe mantenerse, modificarse, ampliarse o detenerse. ## 11. Definir métricas relevantes El éxito no debe medirse exclusivamente por el número de conversaciones. Una estrategia puede observar profesores capacitados, usuarios que acceden, frecuencia de uso, casos más frecuentes, utilidad percibida, problemas reportados, necesidades de capacitación, participación por programa, satisfacción y decisión de continuar o ampliar. Cuando se analice la relación entre uso y desempeño académico, debe distinguirse claramente entre correlación y causalidad. Que los estudiantes con mayor uso presenten mejores resultados no demuestra automáticamente que la plataforma haya causado esa diferencia. ## 12. Preparar el escalamiento Al terminar el piloto, la institución puede ampliar el proyecto, mantener el alcance, modificar la estrategia o detener temporalmente la implementación. Escalar no significa únicamente añadir estudiantes: también puede requerir nuevos tutores, más capacitación, actualización de la política, incorporación de materiales, más responsables académicos y revisión de privacidad. ## Ruta recomendada para los primeros 90 días | Periodo | Actividades principales | Resultado | | --- | --- | --- | | Días 1 a 30 | Diagnóstico, objetivos, equipo responsable, selección de dos programas, lineamientos iniciales, evaluación de plataformas. | Marco institucional definido. | | Días 31 a 60 | Recopilación de documentos, configuración, diseño de capacitación, métricas y comunicación. | Piloto listo para iniciar. | | Días 61 a 90 | Inicio del piloto, seguimiento, retroalimentación, ajustes, primera evaluación institucional. | Aprendizajes para decidir el siguiente paso. | ## Preguntas frecuentes ### ¿Una estrategia de IA debe comenzar por una política? La política es importante, pero puede desarrollarse en paralelo con el diagnóstico y la definición de objetivos. Para un piloto deben existir, al menos, lineamientos provisionales sobre usos, responsabilidades, privacidad y supervisión. ### ¿Es necesario implementar IA en toda la institución? No. Una estrategia puede ser institucional aunque comience con dos carreras, grados o programas. El alcance inicial debe permitir aprender y ajustar antes de crecer. ### ¿Qué área debe liderar la estrategia? El liderazgo puede recaer en dirección académica, innovación o transformación digital, pero debe contar con patrocinio ejecutivo y participación de tecnología, protección de datos y responsables académicos. ### ¿La institución debe crear su propia plataforma desde cero? No necesariamente. Puede adoptar una solución institucional configurable con su identidad, metodología, valores y programas, acompañada por implementación, capacitación y soporte. ### ¿Cómo se evita que los estudiantes dependan de la IA? La institución debe diseñar actividades que exijan razonamiento, decisiones, verificación y reflexión. También debe combinar experiencias con y sin asistencia, comunicar límites y mantener el acompañamiento docente. ### ¿Cuánto tiempo se necesita para observar resultados? Depende del alcance y los objetivos. Un piloto puede producir aprendizajes operativos y de adopción en pocas semanas, pero las conclusiones académicas requieren periodos, muestras y metodologías adecuados. ## De la estrategia a una experiencia institucional Una estrategia de inteligencia artificial educativa no consiste en seguir una tendencia. Consiste en tomar control sobre una transformación que ya está ocurriendo. La institución necesita definir qué experiencia desea ofrecer, qué principios protegerá y cómo acompañará a su comunidad. > **Genialoh para tu institución** > > Genialoh permite crear una plataforma de IA con el nombre, logotipo y colores de la institución, contextualizada con sus programas, metodología y valores, y organizada alrededor de tutores por grado, carrera o programa. Conócenos en una reunión de 30 minutos. Si tu institución decide avanzar, prepararemos una demo funcional con su identidad y dos de sus carreras o programas en menos de dos semanas.