GUÍA COMPLETA · EDICIÓN 2026 · 12 CAPÍTULOS

Guía de IA para docentes 2026

Marco pedagógico, 50 prompts probados, 10 agentes IA listos, ética en el aula y bibliografía recomendada. Un material de referencia para docentes latinoamericanos, pensado para leer, imprimir y volver a consultar.

📚 ~100 páginas impresas 🆓 Sin registro 🇦🇷 Español rioplatense 🔄 Actualizado abril 2026

Esta guía no es una lista más de prompts copiados de Twitter. Es un material de referencia pensado para que un docente lo abra en febrero, vuelva a consultarlo en junio y lo imprima para el colega que "todavía no se animó". Cada prompt fue probado en aulas reales de Argentina, Chile y México durante el ciclo 2025. Cada capítulo está construido con el criterio que nos gustaría encontrar si fuéramos el lector: práctico sin ser superficial, actualizado sin ser efímero, crítico sin ser apocalíptico.

PrólogoPor qué esta guía existe

Enero de 2026. Una colega docente, veinte años en el aula de una secundaria de La Plata, me escribe por WhatsApp: "Me dijeron que tengo que usar IA pero no sé ni por dónde empezar, y tengo miedo de hacerlo mal". La frase se repite, con variaciones, cada semana. Es la misma persona que sabe planificar una unidad de Historia sobre la Revolución de Mayo con los ojos cerrados, pero que frente a ChatGPT se congela.

El problema no es la IA. El problema es cómo la estamos introduciendo al aula: cursos de 200 dólares que te enseñan a pedir "hacé una planificación", posts de LinkedIn que te muestran magia sin método, o capacitaciones oficiales que llegan dos años tarde. Esta guía quiere ser lo contrario: un material de referencia denso, gratuito, actualizado y con respeto por el oficio docente.

No está escrita por un experto en IA que se acercó a la educación. Está escrita desde el lado docente —padre, marido de docente, fundador de una plataforma pensada para aulas latinoamericanas— con la ayuda de modelos de IA que fueron probados, contrastados y corregidos capítulo a capítulo. No es neutra: tiene una tesis pedagógica fuerte, que el capítulo 2 explicita.

El que esperás encontrar acá es el material que a un docente latinoamericano de 2026 le hubiera cambiado el año si lo leía en febrero. Ese es el estándar. Si después de leer alguna sección sentís que "no me dio nada nuevo" o "demasiado promotor", escribinos a hola@edu21.ai. La próxima edición mejora con tu devolución.

Capítulo 1Qué es la IA generativa (marco conceptual)

Antes de pedirle algo a la IA conviene saber con quién estamos hablando. Este capítulo explica, sin tecnicismos, cómo funciona lo que tenemos entre manos. Es la base para no sorprenderse cuando alucina, cuando se confunde, o cuando parece más inteligente de lo que realmente es.

1.1 Breve historia: de Turing a GPT-5

La idea de que una máquina pueda conversar con un humano no nació en 2022 con ChatGPT. En 1950 Alan Turing ya había propuesto el famoso "test" que lleva su nombre: si un humano no puede distinguir si está hablando con otro humano o con una máquina, la máquina es inteligente para ese propósito. La trampa es que durante 70 años ninguna máquina se acercó siquiera al test.

El salto ocurrió en 2017, con un paper de investigadores de Google titulado "Attention Is All You Need" (Vaswani et al.). Introdujo la arquitectura Transformer, que es la que hoy usan ChatGPT, Gemini, Claude y básicamente todos los modelos grandes. En 2020 OpenAI lanzó GPT-3; en 2022, la versión conversacional ChatGPT, y ahí se abrió el juego para el público general. Entre 2023 y 2026 los modelos evolucionaron más rápido que cualquier tecnología anterior de la historia: hoy GPT-5, Gemini 2.5, Claude Opus 4 pueden leer un libro entero, mirar una imagen, escuchar tu voz y responder en segundos.

1.2 Cómo funciona (sin morir en el intento)

Una IA generativa de texto es, en su núcleo, un autocompletador muy entrenado. Durante su entrenamiento leyó billones de textos —libros, páginas de internet, papers, foros— y aprendió a predecir cuál es la palabra más probable que venga después de una secuencia dada. Cuando le escribís "Los docentes latinoamericanos enfrentan el desafío de…", el modelo calcula qué palabras son más probables de seguir y elige una, luego la siguiente, y así hasta terminar la respuesta.

No "piensa". No "entiende" como entendemos nosotros. No tiene intenciones. Lo que hace, con una sofisticación asombrosa, es predecir patrones de lenguaje. Por eso puede generar un ensayo sobre Kant y al mismo tiempo equivocarse en una cuenta de dividir: el lenguaje fluye, la matemática requiere precisión, y son tareas muy distintas para un modelo estadístico.

Esta comprensión simple tiene consecuencias prácticas enormes para el docente:

• Le podés "sugerir" estilo dándole ejemplos de cómo escribís. Aprende el patrón.
• Le podés pedir que adopte un rol ("actuá como docente de 4° grado") y ajusta la predicción hacia ese vocabulario.
• Falla cuando no hay patrón. Si le pedís un dato específico sobre tu escuela, se lo inventa —no maliciosamente, sino porque esas son las palabras que estadísticamente encajan donde debería ir el dato.
• Mejora con contexto. Cuanto más le cuentes sobre tu grupo, tu tema, tu formato, más cerca del objetivo va a apuntar.

1.3 Vocabulario mínimo indispensable

• Prompt: el mensaje que le escribís al modelo. Puede ser una línea o tres páginas. Los capítulos 3 a 7 son un curso completo de cómo escribirlos.
• Token: la unidad mínima que el modelo procesa. Aproximadamente una palabra o pedacito de palabra en español. Los modelos tienen límites de tokens por conversación (ej: GPT-5 puede procesar 200.000 tokens, unas 150.000 palabras).
• Contexto / ventana de contexto: todo lo que el modelo "recuerda" dentro de una misma conversación. Si le pegás un libro de 500 páginas y preguntás algo al final, puede responder basándose en el libro entero. Pero cuando cerrás la pestaña, se olvida todo.
• Temperatura: cuán creativo/aleatorio es. Temperatura baja = respuestas seguras y repetitivas. Temperatura alta = respuestas variadas, a veces brillantes, a veces extravagantes. La mayoría de las interfaces no te la muestran pero existe.
• Alucinación: cuando la IA inventa con total seguridad. Cita autores que no existen, fechas erradas, papers ficticios. Es el riesgo #1 para el docente: siempre verificar datos específicos.
• Fine-tuning: re-entrenar un modelo con tus propios datos. No lo vas a hacer como docente, pero es la base de cómo funcionan los modelos especializados (ej: uno de medicina, uno de derecho argentino).
• RAG (Retrieval-Augmented Generation): una técnica donde el modelo "busca primero y después responde". Los agentes que verás en el capítulo 8 suelen usar RAG para consultar tus materiales antes de contestar.
• Multimodal: que no solo procesa texto. Los modelos actuales reciben imágenes, audio y video. Podés mostrarle una foto del pizarrón y pedirle que resuma lo escrito.

1.4 Los tres grandes: ChatGPT, Gemini y Claude

A abril de 2026 hay tres ecosistemas relevantes para un docente. Cada uno tiene fortalezas distintas:

• ChatGPT (OpenAI) — el más conocido, el que tu alumno adolescente probablemente ya usa. Gran razonamiento pedagógico, memoria entre conversaciones si le activás la función, tienda de GPTs personalizados. Ideal para conversación, argumentación, rol-play didáctico. Plan gratis limitado; plan Plus US$20/mes incluye los modelos potentes.
• Gemini (Google) — integrado con Google Drive, Docs, Classroom. Si ya trabajás en el ecosistema Google, es la opción natural. Muy bueno para material extenso (planificaciones largas), tablas, y generación de imágenes. Plan gratis sólido; Gemini Advanced US$20/mes.
• Claude (Anthropic) — el "hermano serio" del grupo. Escritura elaborada, análisis de textos literarios, feedback formativo matizado. Ventana de contexto gigante (200k tokens): podés pegarle un libro entero. Plan Pro US$20/mes. Menos conocido en LATAM pero creciendo.

La buena noticia: los 50 prompts de esta guía funcionan en los tres. Elegí según cuál tengas más a mano, o probalos en los tres y compará respuestas — es uno de los mejores ejercicios para calibrar el criterio docente.

1.5 Qué NO es la IA (y qué no puede hacer)

• No es un oráculo. Si le preguntás "¿mi alumno Juan tiene bajo rendimiento?", no sabe quién es Juan.
• No es un corrector infalible. Puede decir con total convicción que Colón descubrió América en 1498. Siempre verificá los datos específicos antes de darle un dato a un alumno como si viniera de una fuente.
• No es neutral. Fue entrenada con contenido donde predominan el inglés, la cultura anglosajona y ciertas perspectivas. Si no se lo señalás, tiende a reproducir esos sesgos.
• No recuerda entre conversaciones (salvo que actives memoria). Cada pestaña nueva es un docente amnésico que recién te conoce.
• No reemplaza el juicio profesional. Sugiere, propone, genera. El "visto bueno pedagógico" siempre es humano.

Capítulo 2El rol docente frente a la IA

Este capítulo es el más opinado de la guía. Expone una tesis pedagógica sobre qué tipo de docente emerge cuando la IA se vuelve parte del aula, y por qué la respuesta correcta no es "prohibir" ni "dejar hacer", sino enseñar a usar. Se apoya en cinco autores que vale la pena leer directo.

2.1 El falso dilema: ¿la IA nos reemplaza o nos ayuda?

La pregunta domina los claustros desde 2023, y es la pregunta equivocada. Michael Fullan, uno de los teóricos más influyentes de la nueva pedagogía, lleva diez años diciendo algo incómodo: el problema del aula contemporánea no es la tecnología, es la pedagogía. Si un docente es bueno, la IA lo potencia. Si un docente es mediocre, la IA expone su mediocridad. No hay una tercera vía donde la tecnología "nos salve" o "nos reemplace".

En términos prácticos: los docentes que usan IA para generar planificaciones genéricas ya son reemplazables — no por la IA, sino por cualquier otro docente que las genere también. Los docentes que usan IA para personalizar, diferenciar, atender mejor a su grupo, se vuelven insustituibles. La IA amplifica lo que ya hay.

2.2 El marco UNESCO 2023: cinco competencias docentes en IA

La UNESCO publicó en septiembre de 2023 su marco global de competencias docentes frente a la IA (AI Competency Framework for Teachers), que Argentina y varios países de la región están adoptando como referencia. Define cinco dominios que todo docente debería manejar hacia 2030:

1. Mentalidad ética y crítica — entender riesgos, sesgos, límites.
2. Fundamentos técnicos — saber qué son los LLMs, cómo entrenan, qué datos usan (lo que vimos en el capítulo 1).
3. Pedagogía con IA — diseñar actividades que aprovechen la IA sin empobrecer el aprendizaje.
4. Aplicación práctica — usar herramientas concretas para tareas concretas (los capítulos 4-7).
5. Desarrollo profesional continuo — mantenerse actualizado; la IA cambia más rápido que cualquier manual.

Esta guía aborda los cinco, pero con énfasis especial en 1, 3 y 4 — que son los que habitualmente se descuidan.

2.3 Prensky revisitado: de "nativos digitales" a "nativos de IA"

Marc Prensky acuñó en 2001 el concepto de "nativos digitales" para describir a los adolescentes que crecieron con internet. Veinticinco años después, el concepto necesita actualización: los alumnos que hoy entran a primer año de secundaria nacieron después de ChatGPT. Para ellos, una IA que conversa no es una novedad — es una herramienta natural, como un Google.

Esto cambia radicalmente la pregunta del docente. Ya no es "¿les enseño a usar IA?" — ellos ya la usan, y mejor que nosotros. La pregunta es ¿les enseño a usarla bien?. A distinguir una respuesta útil de una alucinada. A contrastar. A no entregar como propio lo que generó la máquina. A preguntar mejor. A construir pensamiento crítico cuando todo está a un prompt de distancia.

2.4 La mirada latinoamericana: Dussel, Maggio y el "enriquecimiento"

Mariana Maggio, pedagoga argentina y una de las voces más lúcidas de la región, propone desde hace años el concepto de "enriquecimiento tecnológico". No se trata de poner tecnología por ponerla. Se trata de identificar qué puede hacer la tecnología que el aula analógica no podía, y diseñar la clase desde ese diferencial. Para IA, esto significa preguntarse: ¿qué tipo de aprendizaje se hace posible ahora que antes no lo era?

Inés Dussel, desde México y Argentina, aporta la contracara crítica: la tecnología no es neutra, los modelos de IA fueron entrenados con datos que sobrerepresentan al norte global, y si los adoptamos sin criterio estamos colonizando epistemológicamente nuestras aulas. Su pregunta es estratégica: ¿cómo usamos la IA sin que la IA nos use?

Ambas miradas son complementarias. Maggio habilita el entusiasmo crítico; Dussel protege del entusiasmo acrítico.

2.5 Las cuatro transformaciones que la IA fuerza en tu aula

Si la IA está bien integrada, cuatro cosas cambian en la práctica docente. Esta guía fue escrita para facilitarle las cuatro al lector:

1. De producir a curar. Ya no escribís planificaciones desde cero: generás y curás. La habilidad clave es saber decir "esta parte sí, esta no, esta la reemplazo".
2. De evaluar productos a evaluar procesos. Si el alumno puede pedirle a la IA que le escriba el ensayo, el ensayo final deja de ser el objeto de evaluación. Pasa a importar cómo llegó, qué decisiones tomó, qué prompts usó, qué corrigió manualmente.
3. De dar respuestas a diseñar preguntas. El docente se vuelve más útil cuanto mejor pregunta, no cuanto más sabe. La IA sabe de todo; lo que no sabe es qué pregunta vale la pena hacer ahora.
4. De enseñar contenidos a enseñar criterio. El contenido está disponible. Lo escaso es el criterio para distinguir verdadero de falso, importante de accesorio, ético de peligroso. Ese es el oficio renovado del docente 2026.

2.6 Preguntas para debatir con tus colegas

1. ¿En qué tarea docente concreta mi trabajo cambia si uso IA? ¿En cuál no debería cambiar?
2. Si un alumno entrega un trabajo generado parcialmente con IA, ¿es plagio, es creatividad asistida, o depende?
3. ¿Qué acuerdos deberíamos tener como institución antes de que cada docente improvise?
4. ¿Cómo sé que mi uso de IA está mejorando el aprendizaje de mis alumnos y no solo ahorrándome tiempo a mí?

Capítulo 3Anatomía de un buen prompt

El 90% de los prompts que circulan por redes están mal escritos. Piden cosas como "hacé una planificación de matemática" y reciben algo genérico que no sirve. El problema no es la IA: es el input.

Un prompt profesional tiene 4 ingredientes:

• Rol: qué tipo de experto queremos que la IA encarne ("Actuá como docente de 4° grado especializado en ABP").
• Tarea: el verbo de acción concreto ("diseñá", "corregí", "reescribí"), no "ayudame con".
• Contexto: nivel educativo, cantidad de alumnos, tiempo disponible, material previo, limitaciones.
• Formato: cómo querés la respuesta — tabla, lista numerada, HTML, JSON, máximo de palabras, idioma rioplatense.

Algunos modelos tienen especialidades. En general, para lo que verás en esta guía:

• ChatGPT (GPT-5, GPT-4.1): mejor para conversación larga, razonamiento pedagógico, argumentar.
• Gemini (2.5 Pro / Flash): mejor para material extenso, tablas, integración con Google Drive/Classroom.
• Claude (Sonnet/Opus): mejor para escritura elaborada, feedback formativo, textos literarios.

Los 50 prompts funcionan en los tres. Elegí según el modelo que tengas más a mano.

Capítulo 4Planificación y secuencia didáctica

Los prompts más usados del día a día: planificaciones, secuencias, unidades completas, proyectos ABP.

Capítulo 5Evaluación, rúbricas y corrección

Los prompts que más tiempo ahorran en el calendario docente. Corregir 30 trabajos dejó de ser una noche entera.

Capítulo 6Diferenciación y adaptación

Adaptar el mismo contenido a realidades distintas: alumnos con ritmos diferentes, discapacidad, neurodivergencia, contextos vulnerables.

Capítulo 7Creación de material

Cuando necesitás algo y no lo tenés: presentaciones, cuentos con moraleja curricular, ejemplos concretos, casos de estudio. La IA es la imprenta del docente 2026.

Capítulo 8 · Marco¿Qué es un agente IA? La nueva frontera

Si te quedaste con los capítulos 3 a 7 ya sos más efectivo que el 80% de los docentes que usan IA. Si además incorporás lo que viene ahora, quedás en una minoría que empieza a redefinir lo que significa ser docente en 2026. Este capítulo explica con calma qué es un agente, por qué importa, y cómo construir el tuyo.

8.1 Un agente no es un prompt

Hasta acá trabajamos con prompts: mensajes que escribís y la IA responde una vez. Cerrás la pestaña, se olvida todo. Escribís otro prompt, responde otra cosa. Es como consultar a un experto que tiene amnesia entre encuentros.

Un agente es otra cosa. Es una configuración persistente de la IA que incluye cuatro ingredientes:

1. Instrucciones fijas — un prompt-sistema que siempre está activo. Define rol, tono, reglas no negociables, formato de salida.
2. Memoria (opcional) — el agente recuerda lo conversado en sesiones anteriores con vos, o con cada uno de tus alumnos si lo usan ellos.
3. Base de conocimiento (opcional) — archivos que subís para que el agente los use como referencia. Tu rúbrica, tus planificaciones previas, el diseño curricular jurisdiccional, el manual de la escuela.
4. Herramientas (opcional, avanzado) — la capacidad de ejecutar acciones: buscar en internet, analizar un PDF, generar una imagen, enviar un email, consultar una API.

Un agente bien diseñado es la diferencia entre tener un martillo y tener un taller. El martillo lo usás cuando te acordás. El taller está montado esperando que entres.

8.2 La pirámide de sofisticación

La evolución natural del docente con IA sigue cuatro escalones:

1. Prompt esporádico — "hola ChatGPT, generame una planificación sobre X". Uso reactivo, sin sistema. El 70% de los docentes que "usan IA" están acá.
2. Biblioteca personal de prompts — tenés un Google Doc con tus mejores prompts guardados, los copiás y pegás. Ya es un upgrade importante. Los capítulos 3-7 de esta guía son ese Google Doc entregado.
3. Agentes personalizados — convertís tus prompts más usados en agentes con instrucciones fijas, quizás con tus archivos de contexto. Cada tarea recurrente (corregir, planificar, comunicar con familias) tiene su agente.
4. Equipo de agentes coordinados — varios agentes que hablan entre sí. Uno corrige producciones, otro genera el informe para la familia con los resultados, otro planifica la clase de recuperación. Esto es el horizonte 2027-2028.

Esta guía te lleva de escalón 1 a 3. El escalón 4 ya existe en la industria y llega al aula en 2-3 años. Si hoy te instalás en 3, no te sorprende el 4.

8.3 Ejemplos reales en educación

Para no quedar en la teoría, tres casos públicos que valen la pena conocer:

• Khanmigo — agente tutor de Khan Academy, disponible desde 2024. Nunca da la respuesta directa: es socrático por diseño (como el prompt #45 de esta guía). Está demostrando en estudios independientes que mejora rendimiento en matemática cuando se usa en paralelo a las clases presenciales.
• Magic School AI — plataforma con más de 40 agentes especializados para docentes: generador de lecciones, generador de IEPs (planes educativos individualizados), traductor de comunicaciones a familias, detector de sesgos en materiales. Usado por más de 3 millones de docentes en EEUU hacia 2026.
• School AI — agentes que el docente puede "prestarle" a alumnos específicos para tareas concretas, con control sobre qué puede y no puede decir el modelo. Ejemplo: un agente que ayuda con redacción pero no escribe texto completo por el alumno.

La lección de los tres: el agente no es "una IA mejor". Es una IA acotada con propósito. El diseño importa más que el modelo que corre por debajo.

8.4 Paso a paso: creá tu primer agente en ChatGPT

Necesitás ChatGPT Plus (US$20/mes) para crear GPTs personalizados. Estos son los 7 pasos:

1. En ChatGPT, clic en "Explorar GPTs" (barra lateral) → "+ Crear". Se abre una interfaz de 2 columnas: a la izquierda construís el agente conversando, a la derecha lo probás en vivo.
2. Nombre y descripción. Algo claro y corto: "Corrector 6° grado — Cervantes" o "Planificador NAP Buenos Aires". Que vos lo reconozcas entre 20 agentes.
3. Instrucciones (lo más importante). Pegás el cuerpo del prompt-agente. Los 10 del capítulo 9 están diseñados exactamente para ir acá.
4. Mensaje de bienvenida y sugerencias de inicio. Lo que el usuario ve apenas abre el agente. Para un corrector: "Pegame la producción del alumno y la corrijo".
5. Capacidades. Activá navegación web si querés que busque fuentes. Activá generador de imágenes si el agente lo necesita. Desactivá código si no hace falta.
6. Conocimiento base. Acá subís archivos: tu rúbrica oficial, ejemplos de correcciones anteriores (anonimizadas), fragmentos del diseño curricular. El agente consulta estos documentos antes de responder.
7. Publicá. Podés dejarlo privado (solo vos), compartirlo por link (útil para colegas), o hacerlo público en el store. Para empezar, siempre privado.

8.5 Paso a paso: Gemini Gems (si usás Google Workspace)

1. En Gemini (gemini.google.com), clic en "Gem Manager" → "Nuevo Gem".
2. Nombre corto del Gem.
3. Instrucciones: pegá el prompt-agente completo.
4. Probá en el panel de la derecha antes de guardar.
5. Guardá. El Gem queda en tu sidebar y lo invocás con un clic.

Ventaja: los Gems se integran con tus documentos de Google Drive si se lo pedís en las instrucciones ("cuando te pida un informe, consultá la carpeta X de Drive").

8.6 Paso a paso: Claude Projects

1. En Claude (claude.ai), sidebar izquierda → "Projects" → "+ New Project".
2. Nombre del proyecto y descripción.
3. En "Custom Instructions" pegás el prompt-agente.
4. En "Project Knowledge" subís archivos de contexto (hasta varios MB, pueden ser PDFs largos, libros completos, etc).

Ventaja clave de Claude: la ventana de contexto de 200k tokens significa que podés subirle un libro entero como conocimiento base sin problema. Ideal para un agente especialista en un autor, un marco curricular, o un manual.

8.7 Reglas de oro al diseñar un agente

• Un agente, una tarea. No hagas "el agente que me resuelve todo". Hacé el corrector, el planificador, el comunicador — por separado. Son más precisos y más fáciles de mejorar.
• Itera 3 veces antes de usarlo "en serio". Probalo con casos reales, ajustá las instrucciones cuando detectes errores, volvé a probar. Un agente recién nacido no está calibrado.
• Calibralo con ejemplos. La diferencia entre un agente mediocre y uno que parece magia son los 2-3 ejemplos de output ideal que le pegás en las instrucciones o en la base de conocimiento.
• Nunca subas datos personales de alumnos, salvo que uses una herramienta que garantice que no se usa para entrenamiento (ChatGPT Enterprise, Claude con contrato, etc). En la versión Plus/Pro de consumidor, asumí que lo que subís podría salir.
• Revisá trimestralmente. Los modelos mejoran. Tus instrucciones tenían workarounds que quizás ya no hacen falta. O peor: comportamientos que cambiaron. Tener un agente sin review es como tener una planificación del 2015.

8.8 Qué pasa con los datos que subís

Pregunta ineludible antes de volcar información a un agente. Los tres principales proveedores tienen políticas distintas:

• ChatGPT (Plus/Pro): por defecto, las conversaciones pueden usarse para entrenar modelos futuros. Se puede desactivar en Configuración → Controles de datos → "Mejorar el modelo para todos: OFF".
• Gemini (personal): similar. En Google Account → Privacy → "Gemini Apps Activity: paused".
• Claude (Pro): Anthropic afirma que las conversaciones de consumidores no se usan para entrenar por defecto. Es la opción con política más conservadora al 2026.

En la duda: anonimizá. Reemplazá nombres propios, DNIs, direcciones. La utilidad del agente rara vez depende de tener el nombre real del alumno.

8.9 Preguntas para debatir con tus colegas

1. ¿Tiene sentido que la escuela arme sus propios agentes o conviene que cada docente tenga los suyos?
2. ¿Deberían los alumnos interactuar con agentes creados por el docente, o solo con la IA "cruda"?
3. ¿Qué agente te ahorraría más horas por semana? ¿Qué te frena para crearlo hoy mismo?

Capítulo 9 · La frontera10 agentes listos para implementar

Lo que sigue son 10 agentes completos y calibrados. Cada uno es un prompt-sistema que podés pegar directamente en ChatGPT (GPTs), Gemini (Gems) o Claude (Projects) siguiendo los pasos del capítulo anterior. Están ordenados por frecuencia de uso docente.

Capítulo 10Ética, privacidad y riesgos

Este es el capítulo que más docentes saltan y más problemas evita. Es corto, concreto, y pensado como lista de chequeo más que como tratado filosófico. Leelo antes de subir el primer archivo a un chat.

10.1 El marco legal argentino al 2026

Dos leyes regulan el cruce IA-educación en Argentina, y un docente debería conocerlas al menos superficialmente:

• Ley 25.326 (Protección de Datos Personales, 2000) — vigente, actualizada en 2023. Establece que los datos personales de menores tienen protección reforzada. Subir a una IA externa información identificable de un alumno menor (nombre, escuela, diagnóstico, fotos) sin consentimiento expreso de la familia puede configurar una infracción. La regla práctica: anonimizá siempre.
• Ley 26.150 (Educación Sexual Integral, 2006) — obliga a abordar cinco ejes en todos los niveles. Los modelos de IA a veces restringen contenido ESI ("se niegan" a generar material sobre sexualidad) por moderación automática. El prompt #11 de esta guía está diseñado para que no pase. Si pasa: el material existe en la normativa; la limitación es de la IA, no tuya.

En Uruguay, México, Colombia, Chile y Perú rigen leyes análogas de protección de datos de menores. El criterio es el mismo: tratar los datos personales con el mismo cuidado que tratarías una ficha psicopedagógica física.

10.2 Qué NUNCA subir a una IA pública

• Nombre completo, DNI o legajo de alumnos.
• Direcciones, teléfonos o emails de familias.
• Fotos identificables de menores.
• Diagnósticos médicos, psicopedagógicos, informes de trabajadores sociales.
• Información sobre situaciones de violencia, abuso o conflicto familiar.
• Listados de calificaciones con nombres.

Si necesitás trabajar con este tipo de material, tres opciones viables: (1) anonimizarlo antes (reemplazar nombres por "Alumno A", "Alumno B"), (2) usar herramientas con acuerdo de confidencialidad (ChatGPT Enterprise, Copilot empresarial de la institución), (3) usar IA local (modelos open source corriendo en tu máquina, opción avanzada pero creciendo).

10.3 Qué sí podés subir sin pensarlo

• Consignas, fichas, planificaciones propias.
• Textos de dominio público o con licencia libre.
• Producciones anonimizadas de alumnos (nombre reemplazado).
• Rúbricas y criterios de evaluación.
• Tus propias notas de reflexión docente.

10.4 Consentimiento y transparencia con la comunidad

Lo correcto es avisar. Tres conversaciones que conviene tener antes:

1. Con el directivo — informar qué IA usás, para qué tareas, y asegurarte de que esté alineado con las políticas de la institución. Muchas escuelas están redactando acuerdos específicos durante 2026; si la tuya aún no, ofrecerte a colaborar es buen movimiento.
2. Con las familias — si la IA va a intervenir en procesos evaluativos (ej: un agente corrige trabajos) o si los alumnos van a usar IA directamente en clase, conviene mencionarlo en la primera reunión. No hace falta pedir firma, sí hace falta que nadie se sorprenda.
3. Con los alumnos — transparencia sobre cuándo algo fue asistido por IA. Si usaste IA para generar una ficha, decilo. Modelás la honestidad que querés que ellos tengan cuando entreguen trabajos.

10.5 Derechos de autor del material generado

A abril de 2026 la jurisprudencia todavía está abierta, pero hay consensos de facto:

• El material generado por IA no tiene autor humano a menos que haya una edición sustantiva posterior.
• En Argentina la ley 11.723 solo protege obras con intervención creativa humana. Un PDF 100% generado por IA no es legalmente obra tuya, aunque lo hayas promptado.
• Si el material es asistido por IA (vos curás, editás, reorganizás), sí es tuyo en sentido operativo.
• Usar material generado con IA para clase: legal y común. Venderlo como propio sin indicar: gris ético.

Política sana: declarar cuando un material fue asistido por IA, especialmente si lo distribuís fuera de tu aula.

10.6 Cuándo la IA es un mal aliado pedagógico

No todo merece automatizarse. Casos donde la IA empeora la enseñanza si se abusa:

• Vínculo emocional con el alumno. Un mensaje de contención a una alumna que está atravesando algo difícil no se redacta con IA. Se escribe a mano.
• Evaluaciones muy subjetivas o situadas. Calificar una producción que dialoga con la historia particular de la clase requiere el docente que vivió esa clase. La IA no estuvo ahí.
• Retroalimentación presencial. Un feedback oral después de una exposición oral — la riqueza está en el intercambio humano, no en automatizar el guión.
• Tareas donde el objetivo es el proceso de generación, no el producto. Si el punto pedagógico es que el alumno piense escribiendo, delegar el pensar a la IA destruye el objetivo.

10.7 El riesgo 8%: lo que la IA casi siempre alucina

Datos a verificar manualmente siempre, sin excepción, sin importar cuán segura suene la respuesta:

• Citas de autores y páginas específicas de libros.
• Fechas históricas precisas ("el 25 de mayo de 1810 a las 15:00" — sospechá).
• Nombres de personas menos famosas ("el investigador argentino Juan García de la UBA escribió…" — sospechá).
• URLs específicas (sobre todo papers académicos).
• Datos estadísticos precisos con decimales.

Capítulo 11Tendencias 2026 y hacia dónde va

Este capítulo es especulativo pero apoyado en investigación actual (UNESCO, OECD, Auroria, Colegium, EdTech 2026). Sirve para no quedar descolocado cuando las novedades lleguen — varias ya están llegando en este momento.

11.1 Personalización radical del aprendizaje

La tendencia más sólida de 2026 es la personalización por alumno. La IA permite lo que ningún docente con 35 alumnos podía hacer: generar un camino distinto para cada uno, con ritmo, dificultad y enfoque adaptados. Investigación de OECD (2025) muestra que alumnos que usan tutores IA personalizados mejoran 2 desviaciones estándar en comparación con enseñanza estándar — el equivalente, según el estudio, al salto entre un alumno promedio y uno de desempeño muy alto.

Consecuencia pedagógica: el docente pasa de "ir al ritmo del promedio" a gestionar trayectorias simultáneas. El oficio se parece más a un director técnico que a un profesor magistral. Esta guía preparó el terreno con los prompts de diferenciación del capítulo 6 — son el primer escalón.

11.2 Agentes por alumno (el modelo Khanmigo)

La lógica del tutor socrático (prompt #45 de esta guía) escala. Para 2027-2028 se espera que cada alumno tenga un agente de acompañamiento pedagógico: que conozca su historia, sus errores recurrentes, sus intereses, sus ritmos. No reemplaza al docente — lo acompaña cuando el docente no puede.

Los casos más avanzados ya existen en Estados Unidos (Khanmigo, Duolingo Max, Synthesis Tutor). En LATAM la penetración es baja pero creciendo. En 2026 ya hay escuelas argentinas privadas experimentando con agentes de este tipo en matemática y lengua.

11.3 Multimodalidad total

Los modelos actuales leen texto, ven imágenes, escuchan voz, miran video. Para el aula eso significa:

• Fotografías del pizarrón que la IA transcribe automáticamente.
• Producciones orales de alumnos que se convierten en texto y se corrigen.
• Explicaciones de clase grabadas que se transforman en material escrito, resumen y cuestionario.
• Videos educativos con subtítulos generados automáticamente, traducidos, adaptados al nivel.

La multimodalidad abre más la IA a docentes que trabajan con alumnos pequeños (preescolar, primaria temprana) donde la escritura todavía es una barrera.

11.4 IA local y en dispositivos

Los modelos grandes corren en la nube, lo que implica conectividad, latencia y políticas de datos del proveedor. La tendencia 2026-2027 es que modelos más pequeños pero suficientes puedan correr directamente en el celular o la notebook del docente. Google tiene Gemini Nano, Apple tiene Apple Intelligence, Microsoft Phi. Aún son limitados comparados con GPT-5, pero para tareas acotadas (resumir una lectura, corregir un borrador) ya son aptos.

La consecuencia institucional: escuelas con conectividad pobre podrían tener IA sin depender de internet. La brecha digital educativa LATAM se achica.

11.5 La discusión sobre evaluación

La pregunta que todavía no tiene respuesta consensuada: ¿cómo evaluamos cuando los alumnos tienen IA?. Tres caminos se están probando en distintos sistemas:

• Evaluación de proceso. Se evalúa cómo llegó al producto, no solo el producto. Se pide mostrar prompts usados, decisiones, iteraciones. El "proceso de pensamiento" se vuelve parte del entregable.
• Oralidad y presencia. Vuelven los exámenes orales, las defensas de trabajo, las exposiciones. Lo que un alumno puede argumentar en vivo es más difícil de simular con IA.
• Uso integrado de IA en la evaluación. Se asume que usa IA, se pide que la use bien, se evalúa la integración crítica, no la ausencia.

Esta guía sugiere una mezcla de los tres según contexto. Lo que no funciona: prohibir la IA y detectarla con detectores poco confiables. Genera acusaciones falsas, mina la confianza, y no se puede sostener.

11.6 Lo que NO va a cambiar

Cinco cosas que la IA, por más que avance, no reemplaza. Son el núcleo duro del oficio:

1. El vínculo humano docente-alumno. Los alumnos aprenden con personas que les importan. Ninguna IA genera ese tipo de importancia.
2. La autoridad curricular contextualizada. El docente que conoce SU grupo, SU comunidad, SU momento. Eso no se abstrae.
3. El criterio ético encarnado. La IA sugiere, el docente decide. Esa decisión tiene consecuencias en una vida real.
4. La gestión del clima emocional del aula. Treinta adolescentes cansados un viernes a las 16 hs. No hay agente para eso.
5. El modelaje profesional. El alumno aprende a ser ciudadano observando a sus docentes. Ninguna IA modela lo que vos modelás.

Todo lo demás — planificar, corregir, generar material, administrar — se automatiza en algún grado. Lo anterior se defiende. Ese es el pacto que esta guía propone con su lector.

Capítulo 12Bibliografía y recursos para seguir

Lo que sigue es una selección curada — no exhaustiva, intencionalmente corta — de lo que vale la pena leer, escuchar y seguir si esta guía te despertó ganas de profundizar. Todo disponible en español o con traducción accesible al 2026.

12.1 Libros clave (los 6 imprescindibles)

• Maggio, M. (2018). Reinventar la clase en la universidad. Paidós. Aunque foco universitario, los principios son directos: enriquecimiento tecnológico, aulas con sentido, la tecnología como medio. Lectura base.
• Dussel, I. & Quevedo, L. A. (2010). Educación y nuevas tecnologías: los desafíos pedagógicos ante el mundo digital. Santillana. Anterior a la IA pero construye el marco crítico latinoamericano que sigue vigente.
• Fullan, M. & Langworthy, M. (2014). A Rich Seam: How New Pedagogies Find Deep Learning. Pearson. Disponible gratis en pdf en el sitio de Fullan. Tesis: la tecnología no mejora la enseñanza a menos que cambie la pedagogía que la rodea.
• Holmes, W.; Bialik, M. & Fadel, Ch. (2019). Inteligencia Artificial en Educación: Promesas e Implicancias. Center for Curriculum Redesign. Edición en español disponible. El manual más completo para entender el estado del arte.
• Prensky, M. (2010, reeditado 2023). Teaching Digital Natives: Partnering for Real Learning. La revisión 2023 incorpora IA. Lectura corta y provocadora.
• Perkins, D. (2017). Educar para un mundo cambiante. SM. Pre-IA pero la pregunta central ("¿qué vale la pena aprender?") se vuelve crítica justo cuando la IA empieza a hacer parte del aprendizaje por nosotros.

12.2 Marcos y papers de referencia

• UNESCO (2023). AI Competency Framework for Teachers. Gratis en unesco.org. El marco de 5 competencias citado en el capítulo 2. Versión en español disponible.
• UNESCO (2024). AI and education: Guidance for policy-makers. Orientado a gestores institucionales pero útil para docente que quiere entender el horizonte regulatorio.
• OECD (2023). Is Education Losing the Race with Technology? AI's Progress in Maths and Reading. El estudio que cita los 2 desvíos estándar de mejora con tutores IA.
• Vaswani et al. (2017). Attention Is All You Need. El paper fundacional de la arquitectura Transformer. Técnico, pero vale leer la introducción y las primeras páginas al menos una vez en la vida.
• Common Sense Media (2024). The Dawn of the AI Era: Teens' Views and Experiences. Investigación sobre cómo usan IA los adolescentes (EEUU, pero los patrones se replican). Gratis en commonsensemedia.org.

12.3 Voces latinoamericanas a seguir (2026)

• Mariana Maggio (Argentina) — investigadora UBA, blog y charlas abiertas, hilo constante de actualización pedagógica con IA.
• Inés Dussel (Argentina/México) — lectura crítica, anticolonial, pregunta incómoda desde la academia.
• María Teresa Lugo (Argentina) — IIPE-UNESCO, foco en políticas públicas educativas con tecnología en LATAM.
• Axel Rivas (Argentina) — UdeSA, análisis comparado de sistemas educativos, muy actualizado en IA.
• Juan Cruz Perusia (Argentina) — docente que documenta casos concretos de IA en aula primaria, YouTube y Twitter.
• Manuel Area Moreira (España, referencia para LATAM) — veterano de tecnología educativa, escribe con pausa y profundidad.

12.4 Cursos gratuitos recomendados

• Google & MIT — "AI for Educators" — curso gratuito de 6 horas, certificable, disponible en español.
• Microsoft Educator Center — "AI in Education" — módulos cortos orientados a práctica de aula.
• Coursera — "AI For Everyone" (Andrew Ng). No específico de educación pero es el mejor pantallazo general del estado del arte para no-técnicos. Subtitulado en español.
• Edu21.ai — cursos gratuitos. Cursos cortos de aplicación práctica en plataforma, específicamente para docentes latinoamericanos. Incluye certificado verificable.

12.5 Newsletters y canales para mantenerse actualizado

• Edu21.ai Radar — newsletter semanal sobre IA en educación con foco LATAM. Gratis en edu21.ai/radar.php.
• The Rundown AI — newsletter diario en inglés sobre novedades de IA generales. Útil para estar un mes adelantado.
• AI for Education (Stanford HAI) — boletín mensual, técnico y pedagógico, gratuito.
• Comunidades de WhatsApp/Telegram docentes IA LATAM — buscá en tu país, hay grupos activos de entre 500 y 5000 docentes compartiendo prompts, casos y dudas.

12.6 Herramientas mencionadas en esta guía

• ChatGPT — chat.openai.com — Plus US$20/mes para modelos potentes y crear GPTs.
• Gemini — gemini.google.com — Advanced US$20/mes para Gems y modelos 2.5 Pro.
• Claude — claude.ai — Pro US$20/mes para Projects y ventana de contexto extendida.
• Edu21.ai — edu21.ai — plataforma LATAM específica para docentes, con plan gratis.
• Khanmigo — khanacademy.org/khan-labs — tutor socrático de Khan Academy, gratis con cuenta Khan.
• Magic School — magicschool.ai — suite de agentes para docentes, plan gratuito limitado.
• School AI — schoolai.com — plataforma para crear agentes compartibles con alumnos, foco en aula.

Siguiente pasoAutomatizá tu aula

Si llegaste hasta acá, ya tenés más herramientas de las que usa el 95% de los docentes del país. Pero hay una realidad: mantener 10 prompts bien ajustados + 10 agentes en 3 plataformas distintas es ingestionable. Por eso existe Edu21.ai: los prompts y los agentes mejor curados, ya integrados, sin tener que copiar y pegar entre pestañas.

Usá esta guía. Experimentá. Y cuando quieras que los 50 prompts estén a un click, que las correcciones vayan al Excel del libreto, que las láminas se impriman listas, te espera la plataforma.