Informe OBS: Aprendizaje activo y valor del profesor en tiempos de IA
La IA puede amplificar el valor del profesor o vaciarlo según cómo se diseñe su uso
- El 90 % de los universitarios españoles usa IA generativa, pero solo el 18 % cree que su profesorado está bien formado en ella. La adopción ha ido por delante del criterio.
- Cuando una máquina puede producir el caso resuelto o el informe de proyecto, la actividad visible deja de probar que se esté aprendiendo. La respuesta no es prohibir la IA ni renunciar a las metodologías activas, sino decidir en cada fase si la IA acelera el trabajo, profundiza el aprendizaje o conviene trabajar sin ella.
- La IA libera tiempo docente. La decisión estratégica de las instituciones es reinvertirlo en diseño, acompañamiento y relación con los estudiantes, y no solo en reducir costes.
Noviembre 2026. El OBServatory de OBS Business School, institución perteneciente a Planeta Formación Universidades, publica el informe Aprendizaje activo y valor del profesor en tiempos de IA, elaborado por el profesor Juan Freire. El documento defiende que la práctica docente debe reconfigurarse en torno a tres acciones que no admiten delegación: diseñar para que haya que pensar, acompañar el aprendizaje con un juicio que la IA amplifica pero no sustituye, y cultivar las relaciones interpersonales y la comunidad.
El aprendizaje activo ha demostrado hace tiempo una mayor eficacia que la clase magistral, pero la inteligencia artificial generativa ha cambiado sus condiciones. Su uso se ha generalizado entre los estudiantes universitarios en muy poco tiempo (en España la usa el 90 %), pero la adopción no ha ido acompañada de criterio: solo el 18 % cree que su profesorado está bien formado en IA y lo transmite. Los experimentos más recientes muestran que la IA puede mejorar el producto y el rendimiento durante la práctica sin mejorar lo que se aprende, o incluso empeorándolo: en uno de ellos, con cerca de mil estudiantes de secundaria, quienes practicaban con un asistente sin salvaguardas rendían un 17 % menos cuando se les retiraba la herramienta. Y es que un caso resuelto, un informe de proyecto, una intervención en un foro o una presentación son productos que la IA genera con notable calidad y por tanto el aprendizaje basado en proyectos o el método del caso, muy extendidos en la formación universitaria y en particular en la de negocios, son también los más fáciles de vaciar de contenido o de intención. Según el informe del OBServatory, el resultado es una forma activa de apariencia de aprendizaje, “en la que el estudiante parece implicado, los productos mejoran y las calificaciones se mantienen mientras la capacidad que la actividad debía desarrollar no llega a formarse”.
La respuesta no pasa por prohibir la IA ni por renunciar a las metodologías activas. El informe propone diseñar con un criterio explícito y concretar claramente el papel de la IA en cada fase del aprendizaje de manera que el conjunto resulte eficaz. Las reglas de uso de la IA se declararían al inicio de cada asignatura, con su argumento, y tendrían que acordarse con los estudiantes y no solo para ellos. El profesor Juan Freire, opina:
“Si la única consecuencia de admitir el uso de la IA es la penalización, el sistema empuja hacia la ocultación.”
El informe distingue tres modos de integrar la IA, y en los tres puede haber aprendizaje: acelerar el trabajo instrumental (buscar fuentes, formatear, traducir o automatizar un cálculo); profundizar el aprendizaje, cuando la IA genera material que obliga a juzgar, formula preguntas en lugar de dar respuestas o permite elevar la ambición de un proyecto, y trabajar sin ella cuando su ausencia es esencial para que el aprendizaje ocurra. En los momentos clave, el estudiante debe enfrentarse a decisiones propias que tiene que tomar y justificar ante otros. En la formación online ello lleva a redefinir momentos síncronos y grupales que dejarían de ser un complemento para convertirse en el lugar donde se concentra la fricción productiva y donde se observa el pensamiento de cada uno.
La evaluación
La manera de evaluar que hasta ahora resultaba efectiva también debe adaptarse a esta nueva realidad. El informe propone separar sus dos funciones: entrenar con muchas actividades, retroalimentación frecuente y un uso de la IA permitido y declarado, y demostrar lo aprendido en pocos momentos robustos (orales, en directo, situados o sobre el proceso documentado) que solo se superan habiendo aprendido. Cuando una actividad deja de puntuar, el incentivo para falsearla se reduce mucho. En la formación online, donde el regreso al examen presencial resulta inviable a escala, la decisión es todavía más estratégica. Las pruebas orales interactivas por videoconferencia en las que el estudiante dialoga con el profesor sobre un escenario profesional o sobre su propio trabajo son una de las respuestas mejor documentadas, con buena aceptación en programas totalmente online, aunque exigen un tiempo de preparación considerable.
El feedback del profesor es una de las palancas con más impacto en el aprendizaje y sin embargo también es de las más relegadas porque no escala con grupos grandes y rara vez forma parte de los estándares institucionales. Aquí la IA ofrece una oportunidad todavía poco explorada: en América Latina solo el 19 % del profesorado la usa para dar retroalimentación, aunque la mitad de los estudiantes lo apoyaría, y un metaanálisis reciente ha encontrado que la retroalimentación generada por IA produce efectos comparables a los de la humana. Su papel se parece al del analista de rendimiento que trabaja para un entrenador: la IA prepara un primer retorno y detecta patrones, mientras que el juicio sobre el pensamiento de cada estudiante, la relación con él y la decisión sobre qué hacer después siguen siendo del profesor.
Las competencias transversales
Durante décadas las competencias transversales se han declarado en los planes de estudio como un añadido, evaluado de forma difusa y casi siempre subordinado a los contenidos y a las competencias disciplinares. Pero si lo escaso son las capacidades que la IA no puede desarrollar por la persona, esa jerarquía se invierte. El juicio crítico, el pensamiento divergente, la formulación de preguntas genuinas, la colaboración y el compromiso ético pasan a ser lo que justifica dedicar años a una formación universitaria, porque son lo que exige el ejercicio de prácticamente cualquier profesión.
Si hasta ahora el aprendizaje se ordenaba por contenidos que se iban cubriendo a lo largo del curso, un plan organizado por capacidades se ordena por lo que el estudiante debe llegar a ser capaz de hacer, y usa los contenidos como recursos. Esas capacidades se ejercen en contextos donde la IA está presente y, por tanto, saber encargar un trabajo a un sistema, verificar lo que produce y decidir qué merece la pena construir cuando construir se ha vuelto barato son formas nuevas del juicio profesional que se aprenden ejercitándolas en problemas reales mucho mejor que en un curso de herramientas.
El trabajo colaborativo más exigente es donde este cambio resulta más visible. En un experimento de campo con 776 profesionales de una gran multinacional, los equipos que trabajaban con IA fueron los que más probablemente produjeron las mejores soluciones. En un equipo cada persona aportará aquello que una máquina no puede dar, una perspectiva propia, una decisión argumentada o el conocimiento de un contexto concreto. Diseñarlo exige roles interdependientes, momentos obligados de decisión colectiva y una reflexión individual sobre el desempeño del grupo. En la formación online, donde la colaboración es remota, el aprendizaje se parece mucho a la forma en que trabajan hoy muchos equipos profesionales con agentes como miembros adicionales.
El papel del profesor universitario
En este contexto el profesor universitario, lejos de desaparecer, tiene que cambiar su manera de aportar valor. Parte de sus funciones son ahora total o parcialmente automatizables y el tiempo que liberan le permite asumir otras que ganan peso y que exigen capacidades para las que la mayoría de los docentes no se ha formado: comprender el contexto y el comportamiento de los estudiantes, diseñar las experiencias de aprendizaje, gestionar y dinamizar grupos, diseñar la evaluación para el acompañamiento y acompañar el aprendizaje y el desarrollo de cada estudiante, con el uso estratégico de la tecnología y la IA como una capacidad que lo atraviesa todo. Cobra sentido la introducción de la docencia en equipo, en la que perfiles distintos podrían repartirse un mismo programa con el apoyo de agentes de IA y con papeles definidos y supervisados.
Las instituciones, por su parte, deben dar al profesorado autonomía para experimentar y deben reconocer lo que supone el tiempo de diseño en su carga de trabajo; ofrecerle herramientas y acompañarlo durante la implementación, así como crear espacios donde la práctica de unos pocos se convierta en capacidad de todos. Los datos españoles muestran el tamaño de la brecha: las universidades sitúan la adaptación de la evaluación como su primera prioridad ante la IA (63,9 %), pero solo el 17,5 % tiene una estrategia implantada.
La decisión estratégica de fondo es en qué se invierte el tiempo que la IA libera. Con la misma tecnología caben dos futuros: uno en el que la IA se usa para reducir costes y deja la universidad donde estaba, pero con menos personas, y otro en el que ese tiempo se reinvierte en lo que solo pueden hacer las personas: más acompañamiento, más diseño y más presencia en los momentos en que un estudiante decide si continúa o abandona.
El informe concluye:
“La IA puede amplificar el valor del profesor o vaciarlo, y lo que decidirá entre una cosa y otra será cómo se diseñe su uso, en el aula y en la institución."
