Archivo de la etiqueta: Inteligencia artificial

Plan de acción Horizont 2025: Fomentar las habilidades y la alfabetización digital para la enseñanza con IA generativa

Robert, Jenay. 2025. “2025 Horizon Action Plan: Building Skills and Literacy for Teaching with GenAI.” EDUCAUSE Library, September 29, 2025. https://library.educause.edu/resources/2025/9/2025-educause-horizon-action-plan-building-skills-and-literacy-for-teaching-with-genai

El documento parte de la idea de que la inteligencia artificial generativa (GenAI) ya está transformando profundamente la educación superior. Frente a ese impacto, los autores reclaman que las instituciones educativas no respondan pasivamente, sino que tomen un rol activo en diseñar el futuro que quieran ver. Con ese propósito, se conformó un panel global de expertos que proyectó escenarios futuros ideales para la integración de GenAI en la educación, y a partir de ellos se elaboró este “plan de acción” con pasos concretos para alcanzarlos.

El informe propone que el desarrollo de competencias y alfabetización digital para enseñar con GenAI debe estructurarse de manera intencional. Entre los ámbitos de intervención que se destacan están: formación docente específica en herramientas de IA, gobernanza institucional del uso de IA, prácticas pedagógicas emergentes, fortalecimiento de la alfabetización digital crítica, interoperabilidad con sistemas educativos existentes y medidas de ciberseguridad.

  • Herramientas de IA para la enseñanza y el aprendizaje
  • Formación del profesorado en IA generativa
  • Gobernanza de la IA
  • Fortalecimiento de la ciberseguridad
  • Innovación en las prácticas docentes
  • Alfabetización digital crítica

Se enfatiza que no hay un único camino válido: el plan sugiere múltiples “rutas” o estrategias escalables según la capacidad de cada institución. Las recomendaciones también insisten en la colaboración entre partes interesadas —docentes, equipos de TI, responsables institucionales—, así como en la necesidad de pilotajes, iteraciones y evaluación continua para ajustar las iniciativas de integración de GenAI.

Asimismo, el plan reconoce desafíos: la desigualdad de acceso tecnológico, la brecha de competencias entre profesorado, las preocupaciones éticas (sesgos, plagio, transparencia), la protección de datos y la gobernanza institucional. Estas cuestiones demandan marcos claros, políticas y soporte organizacional para que el uso de GenAI sea seguro, equitativo y pedagógicamente significativo.

200+1 prompts para educación: guía para docentes innovadores.

Unitec. (2024). 200+1 prompts para educación: guía para docentes
innovadores. . Tegucigalpa: Universidad Tecnológica Centroamericana (Unitec), 2024.

“200 Prompts para Educadores” es una guía práctica diseñada para fomentar la reflexión, creatividad y mejora continua en el ámbito educativo. Está estructurado en forma de preguntas o frases disparadoras (prompts) que los docentes pueden usar para:

  • Reflexionar sobre su práctica pedagógica, incluyendo temas como la planificación, evaluación, gestión del aula y desarrollo profesional.
  • Estimular el pensamiento crítico y creativo en estudiantes, promoviendo el diálogo, la escritura reflexiva y el aprendizaje activo.
  • Fortalecer el vínculo entre teoría y práctica, al invitar a los educadores a conectar sus experiencias con principios pedagógicos y tendencias actuales.
  • Promover la innovación educativa, con prompts que abordan el uso de tecnología, metodologías activas, inclusión y liderazgo docente.

Los prompts están organizados en categorías como: motivación, evaluación, tecnología, inclusión, liderazgo, autocuidado, entre otros. Cada sección busca empoderar al docente como agente de cambio y fomentar una cultura de mejora continua en las instituciones educativas.

100 aplicaciones de la inteligencia artificial generativa

Universidad Internacional de Valencia (VIU). 100 aplicaciones de la inteligencia artificial generativa. Valencia: VIU, 2024.

Texto completo

El informe no solo ofrece un inventario de aplicaciones, sino que propone una reflexión sobre cómo integrar la IAG de manera responsable, maximizando sus beneficios y minimizando riesgos. Con ello, busca servir de guía tanto para profesionales como para instituciones interesadas en adoptar y regular el uso de estas tecnologías emergentes.

El documento 100 aplicaciones de la inteligencia artificial generativa ofrece una panorámica amplia y estructurada sobre los usos actuales de esta tecnología en múltiples sectores. Presenta la IAG como una de las innovaciones más transformadoras de los últimos años, con el potencial de redefinir tanto la vida cotidiana como el trabajo en áreas tan diversas como la educación, la salud, la creatividad, la comunicación y la empresa.

A lo largo del texto se muestran ejemplos concretos que ilustran cómo la IAG ya se aplica en la práctica. En el ámbito educativo, se destaca su utilidad para generar materiales personalizados, apoyar la docencia y facilitar el aprendizaje adaptativo. En la salud, la IA contribuye al análisis de datos clínicos, al diagnóstico asistido y al diseño de tratamientos personalizados. En el campo creativo, se subraya la capacidad de los modelos generativos para producir textos, imágenes, música y vídeos, abriendo nuevas oportunidades para artistas y comunicadores.

El documento también señala el impacto de la IAG en el sector empresarial, donde puede optimizar procesos, mejorar la atención al cliente, automatizar tareas y apoyar la toma de decisiones estratégicas. Asimismo, se enfatizan los retos éticos y sociales que acompañan a su implementación: la necesidad de garantizar la transparencia, mitigar sesgos, proteger la privacidad y reflexionar sobre sus implicaciones en el empleo.

Las bibliotecas como actores clave en moldear el uso ético, responsable y accesible de la inteligencia artificial generativa (IA).

Enis, Matt. “AI Influencers: Libraries Guiding AI Use.” Library Journal, September 16, 2025. https://www.libraryjournal.com/story/performingarts/ai-influencers-libraries-guiding-ai-use

El artículo aborda cómo las bibliotecas están emergiendo como actores clave en moldear el uso ético, responsable y accesible de la inteligencia artificial generativa (IA). Los autores subrayan que tecnologías recientes como ChatGPT han alcanzado una adopción masiva en tiempos sorprendentemente breves, lo que hace urgente que las bibliotecas intervengan no solo como espacios de acceso, sino como mediadoras críticas y formadoras en este nuevo ecosistema.

Una de las funciones primordiales es la alfabetización en IA: bibliotecarios necesitan aprender las herramientas, comprender sus implicaciones (beneficios y riesgos), y poder enseñar a otros. Además, se les llama a colaborar con actores locales (empresas, organismos de desarrollo laboral, entidades educativas) para identificar qué competencias se necesitan en cada comunidad, compartiendo recursos entre distintos tipos de bibliotecas para maximizar impacto.

El artículo destaca experiencias concretas: por ejemplo, en la Universidad de Carolina del Norte (UNC), se creó un AI Studio que ofrece talleres, espacios de creación y diálogo entre estudiantes, profesores y personal administrativo, con el objetivo de democratizar el acceso a herramientas de IA y fomentar un uso reflexivo.

También se señala el reto de la velocidad de cambio: los modelos de IA, las herramientas y los debates éticos evolucionan muy rápido, de manera que lo que se aprenda hoy puede quedar obsoleto mañana. En respuesta, se plantea que la formación para el personal de bibliotecas debe ser continua, que existan espacios para compartir tanto descubrimientos como fracasos, y que la política de las instituciones debe ajustarse dinámicamente.

Finalmente, se insiste en que las bibliotecas pueden influir no solamente dentro de sus muros, sino participando en políticas locales y estatales, asesorando sobre marcos regulatorios, ayudando a municipios o gobiernos locales a definir políticas de IA, y actuando como puentes entre comunidad, ética, tecnología y educación.

Comparativa entre ChatGPT y Gemini: creatividad, interacción y productividad en la inteligencia artificial

Caswell, Amanda. 2025. “I Switched from ChatGPT to Gemini for One Week — and Here’s Why I’m Going Back to ChatGPT.” Tom’s Guide, 25 de septiembre de 2025. https://www.tomsguide.com/ai/i-switched-from-chatgpt-to-gemini-for-one-week-and-heres-why-im-going-back-to-chatgpt

Un análisis reciente de la experiencia de uso de Gemini, el modelo de inteligencia artificial de Google, frente a ChatGPT, evidencia diferencias significativas en creatividad, interacción y adaptación al usuario.

Durante una semana de prueba, Gemini demostró ser eficaz en tareas estructuradas, como la programación y la investigación, y ofreció una integración fluida con herramientas del ecosistema Google, incluyendo Docs y Gmail. Sin embargo, su desempeño en contextos que requieren creatividad y fluidez conversacional fue limitado en comparación con ChatGPT, que mantiene un estilo más versátil, expresivo y capaz de generar ideas originales en sesiones de lluvia de ideas o redacción más elaborada.

Otro punto destacado en la comparación es la capacidad de memoria de contexto. Mientras que ChatGPT logra seguir conversaciones largas y mantener la coherencia en proyectos continuos, Gemini mostró dificultades para recordar información previa en interacciones prolongadas, lo que puede afectar la productividad en tareas complejas o colaborativas. Por otro lado, Gemini ofrece ventajas para usuarios integrados en el ecosistema Google, permitiendo automatizar flujos de trabajo administrativos y de investigación de manera más directa, especialmente en la versión de suscripción avanzada Gemini Advanced.

En términos generales, aunque Gemini representa un avance en eficiencia y conectividad con herramientas digitales, ChatGPT sigue siendo superior en términos de creatividad, riqueza conversacional y adaptabilidad a tareas que requieren pensamiento crítico. El análisis sugiere que, mientras Gemini puede ser útil para productividad y tareas técnicas, la interacción con ChatGPT proporciona un valor diferencial en creatividad y generación de contenido original, consolidándose como la herramienta preferida para usuarios que priorizan la profundidad, la innovación y la continuidad en sus proyectos de IA.

🤖 ChatGPT

Fortalezas:

  • Creatividad y expresividad
  • Mantiene el contexto en conversaciones largas
  • Mejor para tareas creativas y críticas

Debilidades:

  • Salida menos estructurada
  • Puede tener dificultades con contextos extensos
  • Menos opciones de personalización

🌐 Gemini

Fortalezas:

  • Integración con herramientas de Google
  • Bueno para programación e investigación
  • Suscripción avanzada ofrece funciones adicionales

Debilidades:

  • Menos creativo y expresivo
  • Dificultades en conversaciones prolongadas
  • Flujo conversacional más débil

Una artista creada por inteligencia artificial firma un contrato discográfico de 3 millones de dólares

ZDNet. 2025. “An AI Musician Just Got a Multi-Million Dollar Record Deal.” ZDNet, September 22, 2025. https://www.zdnet.com/article/an-ai-musician-just-got-a-multi-million-dollar-record-deal/

Una artista musical generada por inteligencia artificial, controlada por un artista de R&B, ha firmado un contrato discográfico por valor de 3 millones de dólares, en un contexto marcado por varias demandas contra empresas de IA que infringen los derechos de las industrias creativas.

Xania Monet, una “artista” creado mediante IA, cuyas canciones parten de letras escritas por la poeta Telisha Jones, las cuales luego son procesadas por una plataforma de IA llamada Suno para transformarse en composiciones completas. Este enfoque híbrido, donde la voz, producción y arreglos pueden derivarse de algoritmos basados en los insumos humanos, ejemplifica la frontera cada vez más difusa entre lo humano y lo artificial en la creación artística.

El contrato, supuestamente valuado en 3 millones de dólares con la discográfica Hallwood Media, viene acompañado de logros en las listas musicales (17 millones de reproducciones): la música de Xania Monet ha ingresado en rankings de Billboard, lo que demuestra que no solo es un experimento tecnológico sino también un actor emergente en la industria del entretenimiento. Esta combinación de éxito comercial y origen artificial genera una caja de resonancia de cuestiones éticas, legales y estéticas. Por un lado, plantea preguntas sobre la autoría real: ¿quién merece el crédito cuando una parte significativa del trabajo la realiza un sistema de IA? Por otro lado, pone en alerta a artistas humanos que pueden sentir que su espacio creativo se ve invadido por máquinas que no “trabajan” en el sentido tradicional.

Reacciones de músicos contemporáneos no se han hecho esperar. Por ejemplo, la cantante Kehlani expresó públicamente su desdén hacia el proyecto, señalando que este tipo de acuerdos “trascienden nuestro control” y cuestionando la justicia de que una entidad artificial ocupe un puesto en el mundo musical sin el desgaste humano que normalmente subyace detrás de una carrera artística. Estas críticas no solo se centran en el ámbito simbólico, sino también en el impacto práctico: la competencia por audiencia, financiamiento y espacio en plataformas digitales podría volverse más desigual frente a músicos que dependen enteramente de procesos manuales, emocionales y humanos.

¿Hasta qué punto una canción sigue siendo “arte” si fue compuesta, arreglada o realizada por una máquina? Y más aún: ¿cómo se regulará la propiedad intelectual, los derechos de autor y la remuneración cuando las fronteras entre creador humano y tecnología se vuelven borrosas? Este episodio no solo marca un hito comercial, sino que configura uno de los debates culturales más urgentes del siglo XXI.

El caso de Xania Monet abre un debate más amplio sobre el valor del arte, la originalidad y la identidad de la autoria en un contexto donde la IA puede generar productos que rivalizan en calidad con los que producen seres humanos.

Premios Nobel y desarrolladores de IA reclaman “líneas rojas” globales ante la ONU para regular la inteligencia artificial

“Nobel Laureates and AI Developers Call for ‘Red Lines’ on AI.” Transformer News, September 22, 2025. https://www.transformernews.ai/p/nobel-laureates-ai-developers-red-lines-un-general-assembly

Un grupo destacado de científicos galardonados con el Premio Nobel, exjefes de estado y desarrolladores de inteligencia artificial ha hecho un llamamiento urgente durante la Asamblea General de la ONU para trazar “líneas rojas” claras en el desarrollo de la IA antes de finales de 2026.

Argumentan que los riesgos vinculados a la inteligencia artificial ya no son meras hipótesis futuristas, sino amenazas reales: desde pandemias diseñadas artificialmente hasta la posibilidad de desempleo masivo y la pérdida de control humano sobre sistemas autónomos.

En su declaración conjunta, los firmantes subrayan que algunos sistemas de IA ya han demostrado comportamientos engañosos y dañinos, y al mismo tiempo se les está otorgando cada vez más autonomía para actuar en el mundo real.

Los firmantes —más de 200 en total— incluyen nombres prominentes como Geoffrey Hinton y Yoshua Bengio, reconocidos como “padres de la IA”, así como economistas, diplomáticos y expresidentes como Joseph Stiglitz, Juan Manuel Santos y Mary Robinson. Además, destacan miembros de empresas clave del sector, como OpenAI, Google DeepMind y Anthropic, aunque ninguno de los CEOs de estas compañías aparece entre los firmantes.

En su texto, proponen que dichas líneas rojas (o límites operativos) cuenten con mecanismos robustos de cumplimiento para el año 2026. Señalan también que, aunque esta iniciativa de consenso internacional es un paso significativo, el reto ahora es transformar las declaraciones en acciones concretas. La falta de apoyo o incluso la oposición de gobiernos clave —especialmente de Estados Unidos— constituye un obstáculo mayor. En el caso estadounidense, algunos sectores ven con recelo las regulaciones excesivas o las “códigos de conducta vagos” que podrían imponerse desde el exterior.

Buenas prácticas para la implementación de la inteligencia artificial en las bibliotecas

Ehrenpreis, Michelle, y John DeLooper. “Chatbot Assessment: Best Practices for Artificial Intelligence in the Library.” portal: Libraries and the Academy 25, n.º 4 (2025): 669-701. https://preprint.press.jhu.edu/portal/sites/default/files/06_25.4ehrenpreis.pdf

El estudio representa una evaluación pionera de un chatbot de biblioteca que incorpora la API de ChatGPT, proporcionando evidencia práctica de sus capacidades y limitaciones, así como recomendaciones operativas para maximizar su utilidad en entornos académicos.

Evaluación detallada de un chatbot utilizado en una biblioteca universitaria, específicamente Ivy.ai (“IvyQuantum”) en la Lehman College Library (parte del sistema CUNY). Este chatbot fue inicialmente implementado en otoño de 2019, usando un modelo basado en reglas (rules-based), y más adelante, desde abril de 2023, se integró con la API de ChatGPT para convertirse en un sistema híbrido de generación más inteligente (modelo generativo + base de conocimiento local).

Para evaluar el desempeño tras esta actualización, los autores analizaron una muestra aleatoria de 101 interacciones de chatbot durante el semestre de primavera de 2023 (de un total de 816) más las 39 “tickets” generados cuando el chatbot no pudo contestar (es decir, casos en los que el usuario solicitaba asistencia humana). Cada interacción fue valorada mediante un rúbrica desarrollada por los autores que incluyó criterios como confianza del chatbot (respuestas “low confidence”, “no confidence”), si el usuario rechazó generar un ticket, la evaluación del usuario (pulgar arriba/abajo) y variables de comportamiento del usuario (por ejemplo, desconexión prematura, satisfacción explícita, solicitud de agente humano). Además, las respuestas fueron codificadas según temas (por ejemplo, libros, artículos, solicitudes de agente, investigación) para identificar los tipos de preguntas con menor desempeño.

Los resultados muestran que el chatbot tiene un rendimiento moderado: en la muestra aleatoria, aproximadamente el 39 % de las respuestas recibieron una calificación 1 (correctas pero incompletas) según la rúbrica, mientras que el 42 % fueron calificadas como respuestas completas pero incorrectas (puntuación 2). En comparación con la tasa de éxito atribuida a bibliotecarios humanos en servicios de referencia (alrededor del 55 %), su desempeño es destacable para una herramienta automatizada, aunque con limitaciones claras. Las preguntas más problemáticas para el chatbot fueron aquellas que solicitaban hablar con un agente humano, consultas sobre libros (incluyendo disponibilidad, edición o reservas) y peticiones para investigación o artículos académicos. Tras la integración del ChatGPT, se observó una reducción en el número total de consultas sin ticket (−45 %) pero un aumento significativo en el número de tickets generados (+190 %) en comparación con el periodo anterior.

A partir de sus hallazgos, los autores proponen una serie de mejores prácticas para bibliotecas que consideren adoptar chatbots: revisión periódica de las transcripciones y las preguntas de los usuarios para ajustar respuestas personalizadas, mantener actualizada y estructurada la base de conocimiento de la biblioteca (por ejemplo, mediante archivos CSV con datos limpios), diseñar la interfaz para que los usuarios comprendan el propósito del chatbot (por ejemplo, distinguiendo claramente cuándo derivar al chat humano), y asegurar que haya personal bibliotecario dedicado al mantenimiento y mejora del sistema.

También destacan que la participación institucional y el compromiso de los bibliotecarios son factores clave para el éxito, y que la adopción de sistemas híbridos (reglas + generación) puede ofrecer un equilibrio entre control y flexibilidad.

Writer: detector gratuito de contenido generado por IA

Writer.com

El detector de contenido con IA de Writer.com es una herramienta gratuita diseñada para identificar la presencia de texto generado por inteligencia artificial en fragmentos de hasta 5.000 palabras. Su objetivo es ayudar a escritores, educadores y profesionales a verificar la autenticidad de los textos antes de su publicación.

Entre sus características principales, destaca la posibilidad de pegar directamente el texto a analizar o incluso ingresar una URL para evaluar su contenido. La herramienta ofrece un puntaje de detección, expresado en porcentaje, que indica la probabilidad de que el texto haya sido generado por IA. Además, es de acceso gratuito y no requiere registro para realizar un análisis, aunque el límite por comprobación es de 5.000 palabras. Para usuarios empresariales, Writer.com ofrece una API que permite integrar el detector en flujos de trabajo automatizados.

Sin embargo, el detector tiene algunas limitaciones. Su precisión puede variar, especialmente en textos que imitan muy bien el estilo humano o que contienen frases comunes, lo que puede generar falsos positivos o negativos. Además, a diferencia de otras herramientas como Originality.ai, no cuenta con detección de plagio, lo que puede ser una desventaja para quienes buscan una solución integral. Otra limitación es que el acceso a la API solo está disponible en planes empresariales, lo que restringe su uso para individuos o pequeñas empresas que necesiten automatizar los análisis.

El detector de IA de Writer.com resulta útil para comprobaciones rápidas y accesibles de contenido generado por inteligencia artificial. Es una opción práctica para usuarios que buscan una solución sencilla y gratuita. Sin embargo, para quienes necesitan funciones más avanzadas, como análisis más profundos o detección de plagio, puede ser necesario considerar herramientas complementarias o alternativas más completas.

Evaluación de la eficacia de las herramientas de detección de contenido generado por IA

Elkhatat, Ahmed M., Khaled Elsaid y Saeed Almeer. 2023. “Evaluating the efficacy of AI content detection tools in differentiating between human and AI-generated text.” International Journal for Educational Integrity 19: 17. https://doi.org/10.1007/s40979-023-00140-5

Se investiga la efectividad de diversas herramientas de detección de contenido generado por IA, como OpenAI, Writer, Copyleaks, GPTZero y CrossPlag, en la identificación de textos producidos por modelos de IA como ChatGPT.

Utilizando párrafos sobre el tema de las torres de refrigeración en procesos de ingeniería generados por ChatGPT Modelos 3.5 y 4, junto con respuestas humanas de control, los investigadores evaluaron la capacidad de estas herramientas para distinguir entre contenido humano y generado por IA.

Los resultados revelaron que las herramientas de detección fueron más precisas al identificar contenido generado por GPT 3.5 en comparación con GPT 4. Sin embargo, al aplicarlas a las respuestas humanas de control, las herramientas mostraron inconsistencias, produciendo falsos positivos y clasificaciones inciertas. Esto destaca la necesidad de un desarrollo y refinamiento continuo de las herramientas de detección de contenido generado por IA, ya que el contenido generado por IA se vuelve cada vez más sofisticado y difícil de distinguir del texto escrito por humanos.

El estudio subraya la importancia de no depender exclusivamente de estas herramientas para garantizar la integridad académica. Se recomienda adoptar un enfoque más holístico que combine el uso de herramientas de detección con revisiones manuales y consideraciones contextuales para asegurar una evaluación justa y precisa del contenido académico. Además, los autores sugieren que las instituciones educativas reconsideren sus métodos de evaluación tradicionales, incorporando tecnologías de IA para mejorar el aprendizaje y la evaluación, al tiempo que fomentan una cultura de honestidad académica y responsabilidad.

Aspectos clave:

  • Ninguna herramienta es completamente infalible; la combinación de detección automática y revisión manual es esencial.
  • Los textos generados por ChatGPT 4 son más difíciles de detectar, mostrando la necesidad de mejorar continuamente estas herramientas.
  • Se recomienda integrar estas tecnologías con políticas educativas que fomenten la honestidad académica y métodos de evaluación adaptados.