Hargadon, Steve. “The Impact of AI Using Functional Literacy Skills.” Steve Hargadon Blog, abril de 2026. https://www.stevehargadon.com/2026/04/the-impact-of-ai-using-functional.html

El debate sobre la inteligencia artificial desde la productividad hacia la formación humana. Más que preguntarse cuánto tiempo ahorra la IA, se pregunta qué capacidades dejamos de ejercitar cuando la usamos indiscriminadamente. Su tesis de fondo es clara: la alfabetización funcional sigue siendo indispensable, pero ahora debe protegerse y reinventarse en diálogo con las máquinas. La educación del futuro dependerá menos de prohibir la IA que de enseñar a usarla sin renunciar al pensamiento propio

En este ensayo, Steve Hargadon reflexiona sobre una de las transformaciones educativas más profundas del presente: la manera en que la inteligencia artificial está alterando las habilidades funcionales de alfabetización, es decir, aquellas capacidades prácticas vinculadas con leer, escribir, comprender, sintetizar información y expresarse de forma competente en la vida cotidiana. El autor no aborda la alfabetización como simple dominio técnico de la lectura y la escritura, sino como un conjunto de destrezas cognitivas esenciales para pensar, interpretar el mundo y participar de forma autónoma en la sociedad. Desde esa perspectiva, la irrupción de la IA no es solo un cambio tecnológico, sino un desafío cultural y pedagógico de gran alcance.

Hargadon sostiene que durante siglos las habilidades de lectura y escritura han requerido esfuerzo mental sostenido. Comprender un texto complejo implicaba concentración, paciencia, inferencia y capacidad crítica. Redactar suponía ordenar ideas, estructurar argumentos, buscar precisión léxica y revisar errores. Sin embargo, las herramientas de IA generativa modifican radicalmente este proceso al ofrecer resúmenes automáticos, textos completos redactados en segundos, reformulación instantánea de ideas y respuestas inmediatas a preguntas complejas. Lo que antes exigía trabajo intelectual ahora puede externalizarse hacia la máquina. Esta comodidad plantea un dilema central: ganar eficiencia sin perder capacidad humana.

Uno de los puntos más relevantes del texto es la distinción entre usar la IA como apoyo y depender de la IA como sustituto. El autor considera legítimo que un estudiante emplee herramientas inteligentes para aclarar conceptos, revisar gramática, recibir ejemplos o explorar nuevas perspectivas. En ese sentido, la IA puede democratizar el acceso al conocimiento, reducir barreras educativas y ofrecer acompañamiento constante. Pero el problema aparece cuando la herramienta reemplaza enteramente el proceso de pensar. Si un alumno pide a la IA que escriba un ensayo completo, resuelva la interpretación de una lectura o genere conclusiones sin intervención propia, el resultado puede parecer exitoso externamente, aunque internamente no haya existido aprendizaje real.

El texto advierte que las habilidades funcionales de alfabetización no se conservan automáticamente: se fortalecen mediante el uso. Igual que un músculo se debilita cuando no se ejercita, la capacidad para leer críticamente, argumentar por escrito o mantener atención prolongada puede erosionarse cuando se delega sistemáticamente en sistemas automáticos. La IA, por tanto, no solo ahorra tiempo; también puede reducir la práctica necesaria para desarrollar competencias profundas. Esta preocupación se vuelve especialmente importante en generaciones jóvenes que crecen utilizando asistentes inteligentes desde edades tempranas.

El autor también señala una paradoja contemporánea: muchas instituciones educativas siguen evaluando productos finales —redacciones, trabajos escritos, respuestas correctas— sin poder medir con claridad el proceso cognitivo que condujo a ellos. La IA encaja perfectamente en ese modelo, porque puede producir resultados aceptables sin que el estudiante haya comprendido realmente el contenido. Así, los sistemas de evaluación tradicionales corren el riesgo de premiar apariencias de competencia en lugar de competencias auténticas. La escritura entregada puede ser excelente, mientras que el pensamiento del alumno permanece estancado.

Otro aspecto central del ensayo es la necesidad de redefinir qué significa estar alfabetizado en la era digital. Ya no bastará con leer y escribir en sentido clásico. Será imprescindible saber formular preguntas de calidad, verificar respuestas automáticas, detectar errores plausibles, contrastar fuentes, interpretar sesgos algorítmicos y decidir cuándo conviene usar IA y cuándo pensar sin ella. En otras palabras, la alfabetización del futuro incluirá una dimensión metacognitiva: saber gobernar la relación entre mente humana y asistencia artificial.

Hargadon no adopta una postura tecnófoba. Reconoce que la IA puede ampliar enormemente las oportunidades educativas. Un estudiante curioso puede recibir explicaciones personalizadas, practicar idiomas, explorar temas especializados o profundizar en conocimientos que antes estaban reservados a expertos o instituciones prestigiosas. El problema no es la herramienta en sí, sino el marco cultural de uso. Si se emplea para expandir curiosidad, autonomía y pensamiento crítico, la IA se convierte en aliada. Si se usa para evitar esfuerzo intelectual, termina empobreciendo el desarrollo cognitivo.

En términos sociales, el artículo sugiere que se abrirá una brecha entre dos perfiles de usuarios. Por un lado, quienes usen IA para potenciar sus propias capacidades y aprender más rápido. Por otro, quienes la utilicen para simular competencia sin desarrollar criterio propio. Esa diferencia puede no ser visible de inmediato en notas académicas o certificados, pero sí aparecerá con fuerza en el trabajo, en la toma de decisiones complejas y en la adaptación a entornos inciertos. La verdadera ventaja competitiva no será “tener IA”, sino conservar juicio propio mientras se trabaja con ella

Reagan, Kevin, Kay Coates, y Jessica Swaringen. “Your Information ZODIAC: An Information Evaluation Framework for the Age of Generative AI.” Journal of New Librarianship 10, no. 2 (2025): 94–109. https://newlibs.org/index.php/jonl/article/view/3107/3189

Se propone un nuevo marco conceptual para la evaluación crítica de la información en un contexto profundamente transformado por la inteligencia artificial generativa. Partiendo de modelos ya consolidados en alfabetización informacional —como CRAAP, SIFT o ACT UP—, los autores desarrollan el modelo ZODIAC, un acrónimo que sintetiza seis dimensiones clave: Zooming in, Other opinions, Dataset, Intent, Authenticity y Consistency.

Este enfoque responde a la necesidad urgente de adaptar las herramientas de evaluación tradicionales a un entorno en el que los contenidos no solo son abundantes, sino también generados automáticamente por sistemas complejos como los modelos de lenguaje.

El primer componente, Zooming in, invita a examinar detenidamente los detalles de la información generada, prestando atención a elementos que pueden pasar desapercibidos en una lectura superficial. Other opinions enfatiza la importancia de contrastar la información con otras fuentes, reforzando la idea de que ningún contenido —especialmente el generado por IA— debe considerarse aislado. Uno de los aportes más innovadores del modelo es la inclusión de Dataset, que introduce a los estudiantes en la necesidad de reflexionar sobre los datos de entrenamiento de los sistemas de inteligencia artificial, un aspecto ausente en marcos anteriores pero crucial para comprender los sesgos y limitaciones de estas herramientas.

Asimismo, el criterio de Intent se centra en analizar la finalidad del contenido generado: no solo qué dice, sino por qué y para qué ha sido producido. Este punto es especialmente relevante en sistemas de IA, donde la intencionalidad puede no ser evidente y está mediada por los objetivos del diseño del sistema. Por su parte, Authenticity y Consistency abordan dos problemas característicos de la inteligencia artificial generativa: la dificultad para verificar la autenticidad de los contenidos y la tendencia de estos sistemas a generar respuestas plausibles pero no siempre coherentes o veraces. En conjunto, estos criterios permiten a los estudiantes desarrollar una mirada crítica más afinada frente a textos, imágenes o datos producidos por IA.

Se subraya que el modelo ZODIAC está diseñado como una herramienta introductoria, especialmente orientada a estudiantes de primer año universitario. Su objetivo no es ofrecer un sistema exhaustivo, sino proporcionar una base accesible que permita comenzar a desarrollar competencias críticas en un entorno informativo cada vez más complejo. En este sentido, los autores reconocen explícitamente las limitaciones del modelo, señalando que no aborda de manera completa aspectos sociales y medioambientales relacionados con la inteligencia artificial, como el impacto energético de los sistemas o las implicaciones éticas de su uso.

En la discusión final, los autores amplían el marco conceptual e invitan a la comunidad profesional —bibliotecarios, docentes e investigadores— a avanzar hacia modelos más holísticos de alfabetización informacional y alfabetización en IA. Este llamamiento es especialmente relevante en el contexto actual, donde la capacidad de evaluar información ya no puede separarse del conocimiento sobre cómo funcionan las tecnologías que la generan. En definitiva, el artículo sitúa el modelo ZODIAC como una propuesta pedagógica innovadora que, aunque inicial, abre nuevas vías para repensar la enseñanza del pensamiento crítico en la era de la inteligencia artificial.