Usar la IA no basta: la nueva alfabetización que necesita quien aprende idiomas

La inteligencia artificial generativa ya sabe corregir una redacción, proponer vocabulario, simular conversaciones, explicar gramática y ofrecer retroalimentación casi instantánea. La pregunta educativa, sin embargo, está cambiando. Ya no basta con saber si el estudiante puede utilizar estas herramientas. Empieza a importar algo más exigente: si comprende qué está haciendo la IA, si sabe decidir cuándo confiar en ella y si puede evaluar críticamente lo que recibe. Una revisión sistemática publicada el 7 de septiembre de 2026 ofrece evidencia particularmente útil para la enseñanza de lenguas y llega justo cuando la UNESCO abre en París su Semana del Aprendizaje Digital 2026.

La investigación, publicada en Discover Artificial Intelligence por Yuan Zhang, Xiaoting Qiu y Jiangang Wang, examinó 27 estudios empíricos sobre alfabetización en inteligencia artificial generativa dentro de la enseñanza del inglés, seleccionados a partir de 1,596 registros localizados en Scopus, Web of Science y ERIC. Su principal aporte no consiste en proclamar que la IA mejora el aprendizaje, sino en intentar precisar qué significa realmente estar alfabetizado para trabajar con ella.

Los autores distinguen tres dimensiones: comprensión conceptual, aplicación estratégica y evaluación crítico-ética. La primera supone entender, al menos funcionalmente, que un modelo generativo puede producir respuestas plausibles sin que sean necesariamente verdaderas, que trabaja con probabilidades y que sus resultados tienen limitaciones. La segunda consiste en saber utilizar la herramienta de manera pertinente para una tarea lingüística concreta. La tercera exige verificar resultados, detectar sesgos, juzgar la adecuación lingüística y cultural y decidir responsablemente qué incorporar y qué rechazar.

La distribución de la evidencia resulta reveladora. La aplicación estratégica apareció directamente en 21 de los 27 estudios; la evaluación crítico-ética, en 20; y la comprensión conceptual, solo en 15. Dicho de otra manera: estamos aprendiendo con bastante rapidez a hacer cosas con la IA, pero con menor frecuencia comprobamos si estudiantes y profesores comprenden suficientemente la herramienta con la que están trabajando.

Esta diferencia debería preocupar especialmente a quienes enseñamos idiomas. En una clase de francés, por ejemplo, un alumno puede aprender a pedirle a un chatbot que transforme un texto de nivel A2 en uno de nivel B1, que corrija sus errores o que sugiera expresiones más naturales. Eso demuestra habilidad operativa. No demuestra todavía que comprenda por qué una corrección es adecuada, que pueda detectar una formulación artificial o culturalmente impropia, ni que sea capaz de reproducir después esa mejora sin asistencia.

Aquí aparece una distinción pedagógica fundamental: saber obtener una buena respuesta de la IA no equivale a saber evaluar esa respuesta.

La propia revisión advierte contra otra confusión frecuente. Los cuestionarios de autopercepción pueden mostrar que una persona se siente competente usando IA, pero esa percepción no demuestra automáticamente una competencia observable. De igual manera, una mejora en el producto final —un texto más correcto, por ejemplo— no prueba por sí sola que haya aumentado la alfabetización en IA del estudiante. Para afirmarlo hacen falta tareas e instrumentos alineados con aquello que pretendemos medir.

La consecuencia práctica para FLE y otras lenguas es considerable. En vez de enseñar únicamente técnicas de prompting, podríamos estructurar actividades alrededor de una secuencia más completa: comprender, utilizar, cuestionar, justificar y transferir.

Primero, el estudiante produce o intenta resolver la tarea. Después consulta la IA con un propósito definido. A continuación compara la respuesta con sus conocimientos, un diccionario, una gramática, un corpus o fuentes fiables. Luego debe explicar qué sugerencias acepta, cuáles rechaza y por qué. Finalmente reformula y realiza una tarea semejante sin asistencia.

Ese pequeño cambio transforma la IA de máquina de respuestas en objeto de razonamiento lingüístico.

Imaginemos una actividad sencilla. Un estudiante de francés escribe: «Je suis intéressé pour apprendre le français». La IA propone una reformulación. La actividad no termina copiándola. El alumno debe identificar qué cambió, buscar evidencia sobre la construcción correspondiente, explicar la diferencia y utilizarla después en otro contexto. El aprendizaje se encuentra precisamente en esa distancia entre recibir una corrección y ser capaz de justificarla y transferirla.

La publicación de esta revisión coincide con el inicio, este 8 de septiembre, de la Semana del Aprendizaje Digital 2026 de la UNESCO en París, dedicada a “La educación en la era de la IA: hechos, tensiones y fronteras”. UNESCO ha colocado en el centro del encuentro la agencia humana, la equidad y la función pública de la educación. Esa coincidencia es significativa: mientras la tecnología avanza hacia tutores y agentes cada vez más autónomos, la investigación educativa empieza a recordarnos que la competencia que debemos desarrollar no puede reducirse a saber manejarlos.

Para el profesor de idiomas, esto redefine también su función. Si la máquina puede generar ejercicios, ejemplos y correcciones, una parte creciente del valor docente estará en enseñar al estudiante a formular juicios: ¿esta frase es gramatical pero poco natural?, ¿este registro corresponde a la situación?, ¿esta traducción conserva la intención?, ¿la respuesta refleja realmente el uso francófono que queremos enseñar?, ¿qué evidencia permite aceptarla?

La alfabetización en IA aplicada a las lenguas termina así pareciéndose mucho a aquello que siempre hemos considerado una educación lingüística de calidad: comprender, comparar, interpretar, decidir y justificar.

Conclusión

La llegada de la IA generativa al aula de idiomas no elimina la necesidad de aprender; desplaza el lugar donde debemos buscar el aprendizaje. Obtener una respuesta será cada vez más fácil. Evaluarla será cada vez más importante.

Por eso, quizá la pregunta que debería acompañar cualquier actividad con IA no sea “¿sabe el estudiante utilizarla?”, sino otra mucho más exigente: “¿sabe cuándo creerle, cuándo corregirla y cuándo prescindir de ella?”.

Cuando el estudiante alcanza ese punto, la IA deja de pensar en su lugar y empieza verdaderamente a ayudarle a pensar sobre la lengua.

Fuentes

Zhang, Yuan; Qiu, Xiaoting; Wang, Jiangang. “A systematic research synthesis of generative AI literacy in English language education”. Discover Artificial Intelligence, publicado el 7 de septiembre de 2026. https://link.springer.com/article/10.1007/s44163-026-02178-z

UNESCO. Digital Learning Week 2026, “Education in the age of AI: Facts | Frictions | Frontiers”, París, 8-11 de septiembre de 2026. https://www.unesco.org/es/event/42301

UNESCO. Inteligencia artificial en educación: enfoque centrado en el ser humano, inclusión, equidad y competencias para docentes y estudiantes. https://www.unesco.org/en/digital-education/artificial-intelligence

La competencia que importa en la era de la IA no es saber usarla, sino saber evaluarla

Una investigación publicada este 7 de septiembre de 2026 sobre alfabetización en inteligencia artificial generativa en la enseñanza del inglés llega en un momento particularmente oportuno. A un día de que la UNESCO inaugure en París su Semana del Aprendizaje Digital, la evidencia obliga a corregir una idea que se ha vuelto demasiado cómoda: que formar al estudiante para la era de la IA consiste principalmente en enseñarle a manejar herramientas. En aprendizaje de lenguas, saber pedirle algo a una máquina es apenas el comienzo. La competencia decisiva es saber juzgar lo que la máquina devuelve y convertir esa respuesta en aprendizaje propio.

La inteligencia artificial generativa ha penetrado con una velocidad extraordinaria en el aprendizaje de idiomas. Puede corregir una redacción, proponer vocabulario, explicar una regla gramatical, simular una conversación, adaptar un texto al nivel del estudiante o sugerir reformulaciones en segundos. Precisamente por eso existe el riesgo de confundir facilidad de uso con competencia.

Una revisión sistemática publicada hoy en Discover Artificial Intelligence por Yuan Zhang, Xiaoting Qiu y Jiangang Wang examina la alfabetización en IA generativa dentro de la educación en lengua inglesa. Su punto de partida resulta revelador: la IA ya está incorporada a escritura, retroalimentación, comunicación y decisiones docentes, pero todavía no existe una comprensión suficientemente uniforme de qué significa ser realmente competente en su utilización.

Esta cuestión adquiere especial relevancia para quienes enseñamos lenguas extranjeras. Un alumno puede aprender rápidamente a escribir una instrucción como «corrige este texto y hazlo sonar más natural». La IA puede producir inmediatamente una versión mejor. Pero entre el texto inicial y el texto corregido queda abierta la pregunta pedagógica fundamental: ¿qué aprendió el estudiante?

El problema puede observarse con un ejemplo sencillo de FLE. Un estudiante escribe: «Je suis allé à Paris depuis deux ans» cuando quiere expresar que fue a París hace dos años. Una IA puede sustituirlo por «Je suis allé à Paris il y a deux ans». Si el alumno copia la corrección, obtiene un producto lingüísticamente mejor. Si compara ambas construcciones, pregunta por qué “depuis” no funciona en ese contexto, formula otros ejemplos y luego emplea correctamente “il y a” en una situación nueva, ha ocurrido algo diferente: aprendizaje.

La distinción parece pequeña, pero cambia por completo la función pedagógica de la tecnología. La IA deja de ser una máquina de corregir productos y se convierte en un instrumento para provocar operaciones cognitivas: comparar, formular hipótesis, verificar, justificar y transferir.

Una investigación publicada por Cambridge University Press en ReCALL aporta una pista especialmente interesante. Xiaoqi Wang y Lawrence Jun Zhang estudiaron a 343 universitarios que aprendían lenguas extranjeras y utilizaban IA generativa fuera del aula. Analizaron distintas dimensiones de alfabetización en IA y su relación con el aprendizaje autorregulado. Los resultados muestran que la conciencia sobre el funcionamiento de estas herramientas y, especialmente, la capacidad de evaluar sus respuestas predijeron significativamente el aprendizaje autorregulado apoyado por IA. En cambio, el mero uso de la herramienta no lo hizo.

Este hallazgo merece detenerse. Utilizar mucho una IA no significa necesariamente aprender mejor con ella.

Más sorprendente todavía es otro resultado del estudio: la interacción estudiante-estudiante apareció como el predictor más fuerte del aprendizaje autorregulado apoyado por IA. Es decir, la incorporación de una máquina conversacional extremadamente sofisticada no elimina la importancia de aprender con otras personas. La tecnología puede ampliar el ecosistema de aprendizaje, pero no convierte automáticamente la interacción humana en un elemento secundario.

Para la enseñanza de idiomas, esto invita a abandonar una visión excesivamente individual de la IA. En lugar de imaginar a cada alumno aislado frente a un chatbot, podemos diseñar actividades en las que los estudiantes comparen respuestas producidas por diferentes sistemas, detecten errores, discutan cuál formulación resulta más natural, justifiquen una elección gramatical o contrasten una explicación de la IA con un diccionario, una gramática o un corpus fiable.

La alfabetización en IA se convierte entonces en alfabetización lingüística crítica.

Esta discusión coincide con la Semana del Aprendizaje Digital 2026 que la UNESCO celebrará en París del 8 al 11 de septiembre bajo el lema «Educación en la era de la IA: hechos, tensiones y fronteras». La organización advierte que la rápida expansión de tutores de IA, sistemas agentivos y conocimiento sintético obliga a mantener en el centro la capacidad de acción humana, la equidad y la función pública de la educación.

Ese principio puede traducirse al aula de idiomas mediante una regla sencilla: la IA debería aumentar la capacidad del alumno para tomar decisiones lingüísticas, no sustituirlas.

Una secuencia práctica puede organizarse en cinco momentos.

Primero, producir. El estudiante intenta resolver la tarea con sus propios recursos: escribir un párrafo, grabar una intervención oral o formular una respuesta.

Segundo, consultar. Utiliza la IA para recibir retroalimentación, alternativas o explicaciones.

Tercero, evaluar. No acepta automáticamente la respuesta. Identifica qué cambió, pregunta por qué, compara alternativas y verifica aquello que resulte dudoso.

Cuarto, reformular. Produce una nueva versión tomando decisiones propias y explica al menos algunas de ellas.

Quinto, transferir. Afronta una tarea semejante pero nueva sin asistencia de IA.

Este último paso es probablemente el más importante. Permite distinguir el rendimiento asistido de la competencia adquirida.

También modifica la función del profesor. Si una máquina puede corregir rápidamente numerosos errores superficiales, el valor profesional del docente se desplaza hacia tareas de mayor nivel: seleccionar situaciones comunicativas significativas, diagnosticar dificultades, enseñar estrategias, cuestionar respuestas aparentemente correctas y diseñar actividades que obliguen al estudiante a demostrar autonomía.

La pregunta educativa deja así de ser «¿sabe utilizar ChatGPT u otra IA?» y pasa a ser mucho más exigente: «¿sabe cuándo confiar, cuándo dudar, cómo verificar y qué hacer después con la respuesta?».

En una clase de francés, inglés o cualquier otra lengua, esa diferencia puede determinar si estamos formando usuarios eficientes de tecnología o verdaderos hablantes capaces de pensar y actuar lingüísticamente por sí mismos.

Conclusión

La llegada de la inteligencia artificial no reduce la necesidad de alfabetización lingüística; la vuelve más compleja. El estudiante del futuro necesitará comprender textos, producir discursos y comunicarse, pero también evaluar las mediaciones tecnológicas que intervienen en esas actividades.

La paradoja es significativa: cuanto mejores sean las respuestas de la IA, más difícil será detectar cuándo son incompletas, inadecuadas o simplemente falsas. Por eso la competencia decisiva no será formular la instrucción perfecta, sino conservar suficiente conocimiento y criterio para juzgar la respuesta.

En la enseñanza de idiomas, el objetivo no debería ser conseguir que la IA hable mejor por el estudiante. Debería ser conseguir que, después de trabajar con ella, el estudiante pueda hablar, escribir, comprender y decidir mejor cuando la IA ya no esté presente.

Fuentes

Zhang, Yuan; Qiu, Xiaoting; Wang, Jiangang (2026). “A systematic research synthesis of generative AI literacy in English language education”. Discover Artificial Intelligence, publicado el 7 de septiembre de 2026. https://link.springer.com/article/10.1007/s44163-026-02178-z

Wang, Xiaoqi; Zhang, Lawrence Jun (2026). “Fostering generative AI-supported self-regulated learning (GenAI-SRL) in informal digital language learning through literacy and interactions”. ReCALL, Cambridge University Press / EUROCALL, vol. 38, n.º 3, pp. 382-398. https://doi.org/10.1017/S0958344026100524

UNESCO (2026). Digital Learning Week 2026: Education in the age of AI: Facts | Frictions | Frontiers. París, 8-11 de septiembre de 2026. https://www.unesco.org/es/event/42301

UNESCO (2024, actualización 2026). AI competency framework for teachers. https://www.unesco.org/en/articles/ai-competency-framework-teachers

La IA invade la enseñanza de idiomas, pero la evidencia todavía corre detrás de la tecnología

La inteligencia artificial ya ocupa un lugar visible en la enseñanza de lenguas: corrige textos, conversa con estudiantes, propone vocabulario, genera ejercicios y ofrece retroalimentación en segundos. Sin embargo, una revisión académica publicada el 3 de septiembre de 2026 introduce una advertencia que debería interesar especialmente a docentes y responsables educativos: la investigación sobre IA y enseñanza de idiomas está creciendo a una velocidad extraordinaria, pero todavía sabemos mucho más sobre lo que profesores y estudiantes piensan de estas herramientas que sobre lo que realmente producen en el aprendizaje.

Ese desfase obliga a cambiar la pregunta. Ya no basta con saber si ChatGPT, los chatbots o los sistemas de corrección automática pueden incorporarse a una clase de inglés o de francés. La cuestión pedagógicamente relevante es otra: ¿qué competencias lingüísticas mejoran, en qué condiciones, durante cuánto tiempo y con qué intervención del profesor?

Una revisión a gran escala publicada en Discover Computing ofrece una fotografía especialmente útil del campo. Los investigadores Cihat Atar, Tuba Arabaci Atlamaz y Berat Dogan analizaron publicaciones sobre inteligencia artificial en la enseñanza del inglés como lengua segunda o extranjera indexadas en Scopus y ERIC. El estudio reunió 856 registros —780 artículos únicos al descontar las coincidencias entre ambas bases— publicados entre 2003 y 2025. El crecimiento se disparó después de la aparición comercial de los grandes modelos de lenguaje a finales de 2022 y alcanzó 433 publicaciones en 2024.

La cantidad impresiona. La distribución de esa investigación, sin embargo, resulta todavía más reveladora.

Mediante modelado temático, los autores identificaron seis grandes núcleos: retroalimentación de IA sobre escritura; percepciones de profesores y estudiantes; chatbots y práctica oral; estrategias docentes; potencial de ChatGPT y la IA generativa; y lectura y vocabulario. La escritura y la retroalimentación dominan el panorama, mientras otras dimensiones esenciales de la competencia lingüística reciben bastante menos atención.

Hay además un sesgo educativo considerable. Entre los trabajos de ERIC que especificaban nivel educativo, 193 de 241 correspondían a educación superior. Esto significa que buena parte de lo que actualmente llamamos “evidencia” sobre IA y aprendizaje de idiomas procede de universitarios. Trasladar automáticamente esas conclusiones a adolescentes o niños sería metodológicamente imprudente.

Ese punto tiene una consecuencia inmediata para la enseñanza de FLE y otras lenguas extranjeras en secundaria. Que una herramienta funcione con un estudiante universitario que posee autonomía académica, alfabetización digital y determinadas estrategias metacognitivas no demuestra que produzca el mismo resultado con un alumno de doce, catorce o dieciséis años. La edad, el nivel lingüístico, la capacidad para verificar una respuesta y el grado de acompañamiento docente modifican profundamente la experiencia.

El hallazgo central de la revisión puede resumirse en una paradoja: nunca se había investigado tanto la IA aplicada a la enseñanza de idiomas, pero una proporción importante de esa literatura continúa concentrándose en percepciones, actitudes y posibilidades, más que en aplicaciones pedagógicas capaces de demostrar resultados de aprendizaje sólidos.

Esto debería introducir una saludable disciplina en el aula. El hecho de que un estudiante diga que aprende mejor con IA no demuestra por sí solo que haya adquirido una competencia. Tampoco la rapidez con que una aplicación corrige un texto equivale necesariamente a una mejor escritura. Una corrección puede producir un texto impecable y, al mismo tiempo, dejar intacta la interlengua del estudiante si este simplemente acepta la solución sin comprender el error.

La diferencia está entre corregir el producto y transformar la competencia.

Por eso la retroalimentación automática, precisamente uno de los ámbitos más estudiados, necesita mediación pedagógica. La revisión reconoce el potencial de la IA para ofrecer orientación metalingüística, pero también señala que la calidad de la retroalimentación profunda continúa siendo motivo de preocupación y que el profesor no debería limitarse a entregar al alumno comentarios generados automáticamente.

En una clase de francés, por ejemplo, pedir a una IA que corrija “Hier je vais au cinéma avec mes amis” puede producir inmediatamente “Hier, je suis allé au cinéma avec mes amis”. Pero el aprendizaje empieza después de la corrección: ¿por qué cambia el tiempo verbal?, ¿por qué aller utiliza être en el passé composé?, ¿cómo cambia la forma si quien habla es una mujer?, ¿puede el estudiante reutilizar esa estructura diez minutos después sin consultar la herramienta?

Una integración pedagógica razonable puede organizarse mediante cinco movimientos: producir, consultar, explicar, reformular y transferir. Primero, el estudiante produce sin asistencia. Después consulta la IA y compara su respuesta. En tercer lugar debe explicar qué cambió y por qué. Luego reformula en un contexto distinto. Finalmente realiza una nueva tarea sin IA. Esta última fase es decisiva porque permite distinguir ayuda tecnológica de aprendizaje efectivo.

La investigación publicada esta semana también plantea una cuestión de equidad. La concentración de estudios en educación superior puede reflejar diferencias de infraestructura, acceso tecnológico y formación docente entre niveles educativos. Si la IA entra rápidamente en las aulas mientras la preparación de los profesores avanza lentamente, la brecha relevante no será únicamente quién tiene acceso a la tecnología, sino quién sabe utilizarla pedagógicamente.

Esta preocupación coincide con el debate que la UNESCO llevará a París del 8 al 11 de septiembre durante la Semana del Aprendizaje Digital 2026. Bajo el lema “La educación en la era de la IA: Hechos | Fricciones | Fronteras”, la organización examinará tutores de IA, sistemas agentivos, contenido sintético, soberanía digital y preservación de la educación como bien común. El encuentro culminará con una declaración ministerial sobre educación en la era de la inteligencia artificial.

Para la enseñanza de lenguas, la discusión llega en el momento adecuado. El desafío ya no consiste en decidir si la IA entrará al aula: ya entró. El verdadero trabajo comienza ahora, cuando debemos distinguir innovación de novedad.

Una herramienta merece incorporarse no porque produzca ejercicios espectaculares o converse fluidamente en francés, sino cuando ayuda al estudiante a desarrollar una competencia que posteriormente puede movilizar por sí mismo. Esa debería ser una regla sencilla para evaluar cualquier tecnología educativa: la asistencia puede ser intensa durante el aprendizaje, pero la evidencia de dominio debe aparecer cuando la asistencia desaparece.

Conclusión

La investigación más reciente obliga a moderar tanto el entusiasmo como el rechazo. La IA posee un potencial real para ampliar la práctica oral, individualizar ejercicios, ofrecer retroalimentación y facilitar el contacto con una lengua fuera del aula. Pero la cantidad de publicaciones no equivale todavía a certeza pedagógica.

La próxima etapa de la enseñanza de idiomas con IA debería abandonar la pregunta “¿qué puede hacer esta herramienta?” y adoptar otra mucho más exigente: “¿qué aprende el estudiante gracias a ella que después puede hacer sin ella?”.

Cuando podamos responder esa pregunta con evidencia, la inteligencia artificial habrá dejado de ser simplemente una tecnología impresionante para convertirse en una verdadera herramienta de adquisición lingüística.

Fuentes

Atar, C., Arabaci Atlamaz, T. & Dogan, B. “An NLP-enhanced large-scale review of AI trends and research gaps in English language education”. Discover Computing, publicado el 3 de septiembre de 2026. https://link.springer.com/article/10.1007/s10791-026-10475-5

UNESCO. “Semana del Aprendizaje Digital 2026: La educación en la era de la IA: Hechos | Fricciones | Fronteras”. 8–11 de septiembre de 2026, París. https://www.unesco.org/es/weeks/digital-learning

UNESCO. “Educación en la era de la IA: La Semana del Aprendizaje Digital de la UNESCO marcará la adopción de una Declaración Ministerial”. Publicado el 25 de agosto y actualizado el 2 de septiembre de 2026. https://www.unesco.org/es/articles/educacion-en-la-era-de-la-ia-la-semana-del-aprendizaje-digital-de-la-unesco-marcara-la-adopcion-de

Aprender idiomas con IA sin entregar el aprendizaje a la máquina

La inteligencia artificial ha entrado en la enseñanza de idiomas con una promesa difícil de ignorar: conversación disponible a cualquier hora, corrección inmediata, ejercicios personalizados y explicaciones adaptadas al nivel del estudiante. Sin embargo, cuanto más capaz se vuelve la tecnología, más importante resulta distinguir entre dos cosas que parecen iguales pero no lo son: producir una respuesta correcta y aprender a producirla.

La próxima Semana del Aprendizaje Digital 2026 de la UNESCO, que se celebrará en París del 8 al 11 de septiembre, coloca precisamente esta cuestión en el centro de la discusión educativa. Bajo el lema «La educación en la era de la IA: Hechos, Fricciones, Fronteras», el organismo reunirá a responsables públicos, investigadores, docentes, estudiantes y representantes del sector tecnológico para analizar tutores de IA, sistemas agentivos, contenido sintético, soberanía digital y, sobre todo, cómo preservar la agencia humana y el propósito público de la educación.

Para quienes enseñamos y aprendemos lenguas, la discusión tiene una importancia particular. Pocas disciplinas se prestan tanto a la automatización como el aprendizaje de idiomas. Una IA puede representar al interlocutor que antes faltaba: conversar en francés con un estudiante dominicano durante veinte minutos, adaptar el nivel de dificultad, detectar errores, reformular una frase y repetir el ejercicio tantas veces como sea necesario.

Eso constituye una oportunidad pedagógica extraordinaria. Pero también contiene una paradoja. Si la herramienta formula la frase, selecciona el vocabulario, corrige la gramática y reorganiza el discurso antes de que el estudiante haya tenido que resolver esos problemas, el producto lingüístico puede mejorar al mismo tiempo que disminuye el esfuerzo cognitivo que produce aprendizaje.

La pregunta adecuada, por tanto, no es si debemos permitir o prohibir la IA en la clase de idiomas. Es determinar qué parte del proceso queremos automatizar y qué parte debe continuar perteneciendo al estudiante.

La investigación reciente sobre IA generativa y adquisición de segundas lenguas está reforzando precisamente la necesidad de una integración pedagógica deliberada. Los estudios sobre retroalimentación, escritura y producción oral muestran posibilidades reales de personalización e interacción, pero también recuerdan que una respuesta generada por IA puede ser incompleta, excesivamente complaciente o pedagógicamente inadecuada. El profesor deja entonces de ser simplemente quien posee las respuestas y adquiere una función todavía más importante: diseñar las condiciones bajo las cuales la herramienta contribuye al aprendizaje en vez de sustituirlo.

En FLE puede aplicarse una secuencia sencilla: producir, consultar, verificar, reformular y transferir.

Primero, producir. Antes de recurrir a la IA, el estudiante intenta construir por sí mismo una frase, una explicación, una conversación o un texto. El error inicial no debe considerarse un fracaso. Es información sobre lo que el alumno realmente sabe hacer.

Después, consultar. La IA puede ofrecer alternativas, señalar problemas, representar un interlocutor o explicar diferencias entre expresiones. Pero la consulta no debería convertirse automáticamente en aceptación.

El tercer paso es verificar. El estudiante compara la sugerencia con sus conocimientos, materiales de clase, diccionarios, corpus o explicaciones del profesor. Esta etapa desarrolla algo que será cada vez más importante en la educación contemporánea: la capacidad de evaluar información producida por sistemas que hablan con seguridad incluso cuando pueden equivocarse.

Luego viene reformular. El alumno vuelve a producir el mensaje incorporando aquello que ha comprendido. Copiar la corrección de una máquina demuestra muy poco; ser capaz de explicar por qué la nueva formulación es mejor demuestra mucho más.

Finalmente, transferir. El estudiante debe utilizar el conocimiento en una situación diferente y, cuando sea posible, sin asistencia: otra conversación, un pequeño debate, una presentación oral, una nueva redacción o una interacción humana real.

Esta última etapa permite distinguir rendimiento asistido de competencia adquirida. Si un estudiante escribe un excelente texto en francés mientras utiliza permanentemente una IA, sabemos que ha producido un buen texto con una herramienta. Todavía no sabemos exactamente qué sabe hacer en francés. Para comprobarlo necesitamos observar qué permanece cuando desaparece la asistencia.

Por eso la expansión de la IA no disminuye necesariamente la importancia del profesor de idiomas. Puede hacer exactamente lo contrario. Cuanto más fácil resulte generar ejercicios, explicaciones y correcciones, más valioso será quien pueda determinar qué actividad necesita realmente el alumno, cuándo debe intervenir la tecnología y cuándo conviene retirarla.

UNESCO insiste en que la agencia humana debe permanecer en el centro del futuro educativo. En la enseñanza de lenguas esa idea puede traducirse de manera muy concreta: la tecnología puede multiplicar las oportunidades de interacción, pero el aprendizaje debe seguir perteneciendo al estudiante.

La IA puede conversar en francés durante horas. Puede corregir una conjugación en segundos y generar cien ejercicios antes de que un profesor termine de preparar diez. Pero la finalidad de una clase de idiomas nunca ha sido conseguir que alguien —humano o máquina— produzca francés perfecto delante del alumno. La finalidad es conseguir que llegue el momento en que sea el propio estudiante quien pueda comprender, pensar, reaccionar y comunicarse.

Ahí debería situarse la frontera pedagógica: utilizar toda la potencia de la inteligencia artificial sin permitir que la facilidad de obtener respuestas sustituya el proceso mediante el cual aprendemos a construirlas.

Fuentes

UNESCO. Semana del Aprendizaje Digital 2026. «La educación en la era de la IA: Hechos | Fricciones | Fronteras», París, 8-11 de septiembre de 2026.

UNESCO. «Educación en la era de la IA: La Semana del Aprendizaje Digital de la UNESCO marcará la adopción de una Declaración Ministerial», 25 de agosto de 2026.

UNESCO. Nota conceptual de Digital Learning Week 2026: Facts, Frictions, Frontiers — Education in the age of AI.

La IA entra al aula de idiomas: el reto ya no es usarla, sino saber para qué

La inteligencia artificial ya no es una novedad periférica en la enseñanza de lenguas. Está entrando en el corazón mismo de actividades que durante décadas definieron el trabajo del profesor: conversar con el estudiante, corregir una producción, proponer una reformulación, evaluar un texto o adaptar una tarea al nivel de quien aprende. La pregunta educativa, por tanto, está cambiando. Ya no basta con discutir si debemos utilizar inteligencia artificial en el aula de idiomas; necesitamos decidir qué parte del aprendizaje queremos confiarle y qué parte debe continuar dependiendo de la interacción humana.

Esa discusión adquirirá una dimensión internacional del 8 al 11 de septiembre de 2026, cuando la UNESCO celebre en París su Semana del Aprendizaje Digital bajo el lema «La educación en la era de la IA: Hechos, Fricciones, Fronteras». El encuentro reunirá a ministros, especialistas, educadores, estudiantes y representantes de la industria tecnológica y culminará con una declaración ministerial sobre cómo preservar la educación como bien común en la era de la inteligencia artificial.

Para quienes enseñamos o aprendemos idiomas, la cuestión resulta especialmente relevante porque las lenguas constituyen probablemente uno de los ámbitos donde la IA generativa puede integrarse con mayor naturalidad. Un estudiante puede mantener una conversación ilimitada con un sistema, solicitar explicaciones gramaticales, practicar vocabulario, pedir reformulaciones, recibir correcciones o simular situaciones comunicativas que antes requerían necesariamente la presencia de otro hablante.

Sin embargo, la investigación reciente sugiere que el valor pedagógico no reside simplemente en disponer de una máquina capaz de corregir.

Un estudio publicado el 30 de julio de 2026 en la revista ReCALL comparó cuatro modalidades de retroalimentación con 120 estudiantes de inglés de nivel intermedio: diálogo mediante ChatGPT, retroalimentación monológica mediante ELSA Speak, diálogo humano mediante Zoom y retroalimentación humana no dialógica mediante Audacity. Los mejores resultados aparecieron en el grupo que recibió retroalimentación dialógica mediante IA. El diálogo humano también produjo buenos resultados, mientras las modalidades unidireccionales fueron menos eficaces.

El hallazgo obliga a matizar una idea muy extendida. Lo importante no parece ser simplemente que la IA encuentre nuestros errores, sino que nos obligue a trabajar con ellos. Cuando el estudiante pregunta por qué una expresión resulta inadecuada, solicita otra explicación, intenta una reformulación y recibe una nueva respuesta, la corrección deja de ser una sentencia y se convierte en proceso de aprendizaje.

Esto coincide con una idea central de la didáctica de lenguas: aprender no consiste únicamente en recibir información lingüística correcta. El estudiante necesita producir, comparar, negociar significado, reparar errores y volver a producir. La inteligencia artificial puede ampliar extraordinariamente las oportunidades para realizar ese ciclo, especialmente fuera del aula.

La aplicación práctica para el francés como lengua extranjera es inmediata. En lugar de pedir a un estudiante simplemente «habla con la IA durante diez minutos», podemos diseñar una secuencia más rigurosa. Primero, el alumno produce oralmente una respuesta sobre un tema concreto. Después solicita al sistema que identifique dos o tres dificultades relevantes, no veinte errores simultáneos. A continuación debe pedir una explicación, reformular su respuesta y volver a producirla. Finalmente, esa producción debería transferirse a una interacción con otra persona: profesor, compañero o grupo.

La secuencia podría resumirse así: producir, dialogar sobre el error, reformular y transferir.

Esta última etapa es decisiva. Si toda la interacción permanece dentro del sistema tecnológico, existe el riesgo de confundir desempeño asistido con competencia adquirida. Saber construir una frase después de recibir tres sugerencias no significa necesariamente poder utilizarla espontáneamente cuando conversamos con otra persona. La prueba real del aprendizaje sigue siendo la transferencia.

La investigación reciente también obliga a conservar prudencia. Otro estudio publicado este año en ReCALL sobre retroalimentación generada por GPT para estudiantes principiantes de español encontró resultados mucho menos concluyentes: algunas sugerencias eran vagas, incompletas o inexactas, y la fiabilidad del sistema no alcanzaba los niveles deseables para sustituir por sí solo la evaluación humana. La enseñanza responsable de lenguas necesita reconocer simultáneamente las dos realidades: la IA puede ser extraordinariamente útil y también puede equivocarse con extraordinaria seguridad.

Por eso el profesor no desaparece. Cambia de posición.

Cambridge University Press publicó en junio de 2026 AI-Powered Language Teaching, de Jeong-Bae Son y Andrew Philpott, donde se propone una alfabetización docente en IA basada en cinco capacidades: utilizarla creativa, crítica, eficaz, eficiente y éticamente. Esa combinación resulta más importante que dominar una herramienta específica, porque las plataformas cambiarán rápidamente mientras los criterios pedagógicos deberán permanecer.

En este contexto, la Semana del Aprendizaje Digital de la UNESCO llega en un momento oportuno. Su planteamiento introduce cuestiones que van más allá de la eficacia técnica: agencia humana, equidad, soberanía digital, IA de interés público y modelos adaptados a lenguas con menor presencia tecnológica. Para la educación multilingüe, esta última cuestión es fundamental. Una inteligencia artificial entrenada principalmente sobre unas pocas lenguas dominantes puede ampliar oportunidades para aprenderlas y, al mismo tiempo, profundizar la desigualdad digital de otras lenguas con menos datos y recursos.

De ahí que la verdadera discusión educativa no pueda reducirse a preguntar qué plataforma ofrece mejores ejercicios. También debemos preguntarnos quién controla la infraestructura, qué ocurre con los datos lingüísticos de los estudiantes, qué sesgos contienen los modelos y hasta qué punto las instituciones educativas están delegando decisiones pedagógicas en sistemas comerciales que no fueron diseñados originalmente como escuelas.

La inteligencia artificial puede convertirse en uno de los mejores compañeros de práctica que haya tenido jamás un estudiante de idiomas: disponible permanentemente, paciente, adaptable y capaz de generar situaciones comunicativas casi ilimitadas. Pero precisamente por eso necesitamos utilizarla con propósito pedagógico.

El futuro de la enseñanza de lenguas probablemente no será una elección entre profesor e inteligencia artificial. Será una distribución más inteligente de funciones. La máquina puede multiplicar la práctica, ofrecer retroalimentación inmediata y crear escenarios de interacción. El profesor debe conservar aquello que ninguna automatización debería decidir por sí sola: qué merece aprenderse, cómo sabemos que realmente se aprendió y qué significa utilizar una lengua para comunicarnos con otro ser humano.

Fuentes

UNESCO. Semana del Aprendizaje Digital 2026, «La educación en la era de la IA: Hechos | Fricciones | Fronteras», 8-11 de septiembre de 2026. https://www.unesco.org/es/weeks/digital-learning

UNESCO. «Educación en la era de la IA: La Semana del Aprendizaje Digital de la UNESCO marcará la adopción de una Declaración Ministerial», 25 de agosto de 2026. https://www.unesco.org/es/articles/educacion-en-la-era-de-la-ia-la-semana-del-aprendizaje-digital-de-la-unesco-marcara-la-adopcion-de

Shafiee Rad, H. «Effects of dialogic and monologic AI/non-AI feedback on L2 speaking development», ReCALL, Cambridge University Press, 30 de julio de 2026. https://www.cambridge.org/core/journals/recall/article/effects-of-dialogic-and-monologic-ainonai-feedback-on-l2-speaking-development-exploring-learner-achievements-feedback-literacy-and-interactional-moves/08E67E57EC944227D13CFA01F2F12762

Son, J.-B. y Philpott, A. AI-Powered Language Teaching, Cambridge University Press, 20 de junio de 2026. https://www.cambridge.org/core/elements/abs/aipowered-language-teaching/55082DE271B36C389F1E169B4009787F

ReCALL. «Evaluating GPT-generated feedback for beginning-level Spanish writing: An exploratory study», vol. 38, 2026. https://www.cambridge.org/core/journals/recall/article/evaluating-gptgenerated-feedback-for-beginninglevel-spanish-writing-an-exploratory-study/9B1019F0ED0BEA63092CC1D31350047C

La IA puede corregir tu pronunciación, pero el verdadero aprendizaje empieza cuando responde

Durante los últimos años, la inteligencia artificial aplicada al aprendizaje de idiomas ha avanzado con especial rapidez en un terreno que tradicionalmente exigía la presencia de otra persona: la conversación. Ya no se limita a identificar una palabra mal pronunciada o señalar un error gramatical. Los sistemas actuales pueden escuchar, responder, pedir aclaraciones, reformular y mantener intercambios suficientemente fluidos como para funcionar como interlocutores de práctica. La cuestión pedagógica, sin embargo, no es si la IA puede hablar con el estudiante, sino qué tipo de interacción produce realmente aprendizaje.

Una investigación publicada en julio de 2026 en ReCALL, revista especializada de Cambridge University Press y EUROCALL, ofrece una pista particularmente interesante. El estudio trabajó durante doce semanas con 120 estudiantes de inglés de nivel intermedio, distribuidos en cuatro modalidades de retroalimentación: IA dialógica mediante ChatGPT, IA monológica mediante ELSA Speak, diálogo humano mediante Zoom y retroalimentación humana no dialógica mediante Audacity.

Los mejores resultados en competencia oral y alfabetización para aprovechar la retroalimentación aparecieron en el grupo que utilizó IA de manera dialógica. El segundo mejor desempeño correspondió al grupo que interactuó con otras personas. Las dos modalidades basadas fundamentalmente en recibir correcciones unidireccionales obtuvieron progresos comparativamente menores.

El resultado permite formular una idea importante: quizá la ventaja educativa de la inteligencia artificial no esté principalmente en que pueda corregir mejor, sino en que puede convertir la corrección en conversación.

Una aplicación especializada puede decirle al estudiante que pronunció incorrectamente un fonema, asignarle una puntuación e indicarle cómo repetirlo. Todo eso puede resultar útil. Pero el diálogo introduce operaciones cognitivas diferentes. El estudiante puede preguntar por qué su respuesta no funciona, solicitar una explicación más sencilla, intentar decir lo mismo de otra manera, comprobar si fue comprendido y reparar espontáneamente su producción.

Es precisamente ahí donde la retroalimentación deja de ser información recibida y comienza a convertirse en aprendizaje.

Los investigadores observaron en las modalidades dialógicas movimientos como solicitudes de aclaración, comprobaciones de comprensión y autocorrecciones. En la condición con IA, además, los estudiantes podían mantener una interacción individual y experimentar con el idioma sin la presión social que a veces acompaña la conversación con otra persona. El sistema estaba configurado para priorizar inicialmente el significado, limitar la cantidad de errores corregidos en cada turno y estimular que el propio estudiante reparara su producción antes de ofrecerle directamente la respuesta correcta.

Ese detalle metodológico resulta fundamental. Utilizar ChatGPT no produjo automáticamente los mejores resultados. Lo decisivo fue cómo se diseñó la interacción.

Esta distinción debería ocupar un lugar central en la enseñanza del francés como lengua extranjera y, en general, de cualquier segunda lengua. Si el profesor utiliza la IA simplemente para sustituir una hoja de ejercicios por una pantalla que corrige automáticamente, probablemente estará digitalizando una metodología existente. Si, en cambio, diseña situaciones en las que el estudiante debe negociar significado, pedir explicaciones, reformular y reaccionar ante respuestas inesperadas, la herramienta empieza a desempeñar una función pedagógica diferente.

Un estudiante de FLE podría, por ejemplo, simular con la IA una conversación en una estación ferroviaria francesa. En lugar de pedir simplemente que le corrija cada frase, puede recibir la instrucción de mantener la conversación, solicitar aclaraciones cuando algo resulte ambiguo y señalar únicamente uno o dos problemas importantes después de cada intervención. Terminada la conversación, el estudiante identifica los errores, explica por qué las reformulaciones son mejores y vuelve a realizar una situación semejante sin consultar el diálogo anterior.

La secuencia podría resumirse así: producir, dialogar sobre el problema, reformular y transferir lo aprendido a una nueva interacción.

La última etapa es indispensable. Si el alumno únicamente consigue comunicarse mientras dispone del apoyo permanente de la inteligencia artificial, hemos mejorado su capacidad de utilizar una herramienta, pero todavía no sabemos cuánto ha aumentado su competencia lingüística. El objetivo debe seguir siendo que aquello que inicialmente realiza con ayuda pueda realizarlo posteriormente de manera autónoma y, finalmente, frente a interlocutores humanos reales.

Otra investigación reciente, publicada en Frontiers in Psychology con 1,701 estudiantes universitarios de inglés como lengua extranjera, encontró una asociación positiva entre la percepción de la retroalimentación de pronunciación mediante IA y la disposición a comunicarse en inglés. La autoeficacia respecto de la pronunciación explicó una parte importante de esa relación. El dato resulta pedagógicamente significativo: la herramienta puede crear un espacio de práctica en el que equivocarse resulta psicológicamente menos costoso.

Eso no convierte a la IA en sustituto de la interacción humana. Puede convertirla, más bien, en una antesala particularmente eficaz.

Un estudiante que teme hablar delante de sus compañeros puede practicar primero con un sistema artificial, repetir varias veces, recibir retroalimentación y ganar confianza. Pero el recorrido pedagógico debería conducir progresivamente hacia conversaciones con compañeros, profesores y hablantes reales. La finalidad de aprender francés no es conversar perfectamente con una máquina, sino ampliar nuestra capacidad de relacionarnos con otras personas mediante otra lengua.

Esta orientación coincide con el debate internacional que la UNESCO llevará a su Semana del Aprendizaje Digital 2026, del 8 al 11 de septiembre en París. La organización insiste en que la inteligencia artificial debe apoyar, y no reemplazar, el criterio y la contribución profesional de los docentes, preservando al mismo tiempo la autonomía de profesores y estudiantes. La UNESCO ha estructurado además su marco de competencias docentes en IA alrededor de dimensiones que incluyen una perspectiva centrada en el ser humano, ética, fundamentos tecnológicos y pedagogía de la IA.

La cuestión decisiva para los profesores de idiomas, por tanto, no será dominar cada nueva aplicación que aparezca. Las herramientas cambiarán demasiado rápido para que esa estrategia resulte sostenible. La competencia profesional más valiosa será saber diseñar experiencias en las que la tecnología provoque las operaciones lingüísticas y cognitivas que queremos desarrollar.

En ese nuevo escenario, el profesor no desaparece. Su función se vuelve más sofisticada. Debe decidir cuándo conviene que el estudiante reciba una corrección, cuándo debe descubrirla por sí mismo, cuándo necesita repetir, cuándo debe negociar significado y, sobre todo, cuándo es momento de retirar la ayuda tecnológica para comprobar si realmente aprendió.

La inteligencia artificial puede proporcionar al estudiante algo que durante mucho tiempo fue escaso en una clase de idiomas: un interlocutor disponible prácticamente en cualquier momento. Esa posibilidad puede multiplicar las oportunidades de hablar, especialmente fuera del aula. Pero disponer de alguien —o de algo— con quien hablar no garantiza por sí solo aprender a comunicarse.

La diferencia estará en el diseño pedagógico. La IA puede corregir nuestra pronunciación; su verdadero potencial aparece cuando consigue que pensemos sobre lo que dijimos, intentemos decirlo mejor y volvamos a hablar. Y la prueba definitiva llegará cuando podamos hacerlo sin ella.

Fuentes

Cambridge University Press / ReCALL. Hanieh Shafiee Rad, “Effects of dialogic and monologic AI/non-AI feedback on L2 speaking development: Exploring learner achievements, feedback literacy, and interactional moves”, publicado en línea el 30 de julio de 2026.

Frontiers in Psychology. Lu, Yang, Cui, Yang, Cai y Jing, “Associations between generative AI–based pronunciation feedback and willingness to communicate in English: the mediating role of English pronunciation self-efficacy”, 2026.

UNESCO. Semana del Aprendizaje Digital 2026: “La educación en la era de la IA: Hechos | Fricciones | Fronteras”.

UNESCO. Marco de competencias para docentes en materia de inteligencia artificial.

La IA corrige cada vez mejor, pero aprender a escribir exige algo más que aceptar sus cambios

La inteligencia artificial generativa se ha instalado con extraordinaria rapidez en la enseñanza de idiomas. Puede proponer vocabulario, reformular una frase, explicar un error gramatical y ofrecer en segundos una versión aparentemente mejor de un texto. La pregunta pedagógica, sin embargo, ya no es si puede hacerlo. La pregunta importante es otra: ¿qué aprende realmente el estudiante cuando la máquina corrige por él?

Una revisión académica publicada el 25 de agosto de 2026 en Quality & Quantity vuelve especialmente pertinente esta discusión. El trabajo examina la investigación acumulada sobre inteligencia artificial generativa en la enseñanza y el aprendizaje de lenguas y sitúa sus posibilidades dentro de un problema más amplio: la tecnología puede mejorar retroalimentación, participación y diseño pedagógico, pero su valor educativo depende de la manera en que se integre en el proceso de aprendizaje.

Este punto resulta decisivo porque en una clase de lengua corregir y aprender no son exactamente lo mismo. Un estudiante puede entregar un texto gramaticalmente impecable después de pedir a una IA que lo revise y, sin embargo, continuar siendo incapaz de producir por sí mismo las estructuras que aparecen en la versión final. El producto mejora, pero la competencia lingüística puede permanecer prácticamente en el mismo lugar.

La diferencia parece pequeña, pero modifica la función que deberíamos asignar a estas herramientas. Cambridge University Press publicó recientemente un trabajo dedicado específicamente a la inteligencia artificial generativa en la retroalimentación, evaluación e instrucción de la escritura en segundas lenguas. La literatura que sintetiza muestra que la IA puede acompañar distintas etapas del proceso de escritura, proporcionar retroalimentación de calidad y ayudar al profesor. Pero también desplaza el centro de atención hacia la interacción entre estudiante e IA: no basta con recibir una corrección; importa lo que el aprendiente hace intelectualmente con ella.

Ahí se encuentra, a mi juicio, la clave pedagógica. La corrección automática debería convertirse en una oportunidad de razonamiento lingüístico.

Imaginemos una actividad sencilla de FLE. Un estudiante escribe: «Hier, je suis allé au supermarché et j'ai acheté beaucoup des choses». Una IA puede sustituir inmediatamente «beaucoup des choses» por «beaucoup de choses». Si el alumno copia la modificación, obtenemos un texto mejor. Si, en cambio, debe identificar qué cambió, explicar por qué cambió y producir posteriormente otras frases con «beaucoup de», hemos transformado una corrección automática en aprendizaje.

Esta diferencia permite formular una secuencia útil para el aula: producir, contrastar, justificar y volver a producir.

Primero, el estudiante escribe sin asistencia. Esto conserva algo fundamental: una muestra auténtica de lo que realmente puede hacer. Después consulta la IA y compara ambas versiones. En una tercera etapa debe justificar las modificaciones relevantes: qué error había, qué regla o elección discursiva está implicada y si acepta o rechaza la sugerencia. Finalmente, vuelve a escribir —idealmente después de cierto intervalo— sin consultar la respuesta anterior.

La última fase es probablemente la más importante. Si el estudiante solo puede producir la forma correcta mientras observa la corrección de la máquina, hemos mejorado el documento, no necesariamente su competencia. El aprendizaje comienza a hacerse visible cuando puede recuperar y utilizar aquello que comprendió en una situación nueva.

Esta preocupación coincide con una revisión sistemática de 103 estudios sobre inteligencia artificial en el aprendizaje de inglés como lengua extranjera publicada en Computers and Education: Artificial Intelligence. La investigación existente muestra posibilidades importantes, pero también una concentración excesiva en educación superior y una necesidad de estudiar mejor qué ocurre en otros niveles y durante períodos más largos. El entusiasmo tecnológico está avanzando, en algunos aspectos, más rápidamente que nuestra capacidad para demostrar qué aprendizajes permanecen.

El problema adquiere todavía mayor relevancia en el Caribe. Una investigación reciente con profesores de lenguas extranjeras de 13 países caribeños encontró una percepción generalmente favorable de la IA para planificación, retroalimentación, diferenciación y apoyo multilingüe. Pero los propios docentes expresaron preocupaciones sobre dependencia, erosión cognitiva, integridad académica, sesgos y capacidad de estas herramientas para desarrollar auténtica competencia comunicativa sin mediación humana sostenida.

Esto debería llevarnos a abandonar dos posiciones igualmente pobres. La primera consiste en prohibir la IA como si pudiéramos devolver al estudiante a un mundo tecnológico anterior. La segunda consiste en incorporarla a toda actividad simplemente porque aumenta productividad o motivación.

La alternativa razonable es más exigente: diseñar tareas en las que utilizar inteligencia artificial requiera pensar más, no pensar menos.

En enseñanza de idiomas esto significa que una buena actividad con IA debería dejar rastros del razonamiento del estudiante. Podemos pedirle que conserve su primera versión, marque las sugerencias aceptadas y rechazadas, explique tres correcciones, identifique una recomendación dudosa de la IA y produzca después un nuevo texto sin asistencia. El profesor ya no evalúa solamente el resultado final; puede observar el proceso mediante el cual se construyó.

Esta metodología tiene además una consecuencia interesante para la evaluación. En lugar de preguntarnos constantemente cómo detectar si un estudiante utilizó inteligencia artificial, podemos diseñar actividades en las que utilizarla sea permitido pero insuficiente para obtener un buen resultado. Si debe defender oralmente sus decisiones lingüísticas, reconstruir una estructura sin ayuda o aplicar lo aprendido en otro contexto, la competencia vuelve a pertenecer al estudiante.

En FLE esta lógica puede aplicarse a la escritura, pero también a la expresión oral. El estudiante puede ensayar una conversación con una IA, recibir observaciones sobre vocabulario o formulación y posteriormente mantener una interacción con otra persona sin asistencia. La tecnología funciona entonces como espacio de entrenamiento y no como sustituto de la comunicación.

El verdadero cambio que introduce la inteligencia artificial en la enseñanza de lenguas quizá no sea que podamos corregir más rápido. Es que nos obliga a precisar qué entendemos por aprender.

Un texto perfecto no demuestra necesariamente competencia. Una conversación fluida con un chatbot tampoco. El objetivo sigue siendo que una persona pueda comprender, formular, negociar significados y comunicarse cuando la herramienta deja de responder por ella.

Por eso el profesor conserva una función que ninguna corrección automática elimina: decidir qué esfuerzo cognitivo debe realizar el estudiante para transformar información en conocimiento y conocimiento en competencia. La IA puede señalar el camino, explicar un error e incluso ofrecer una excelente reformulación. Pero aprender una lengua comienza precisamente cuando el estudiante puede recorrer nuevamente ese camino sin que alguien —humano o artificial— lo lleve de la mano.

Fuentes

Rejeb, A. et al. (2026). “The impact of generative artificial intelligence on language teaching and learning”. Quality & Quantity. Publicado el 25 de agosto de 2026. DOI: 10.1007/s11135-026-03068-3.

Li, M., Han, J. & Taha, G. (2026). Generative AI for Second Language Writing Feedback, Assessment, and Instruction. Cambridge University Press, publicado en línea el 31 de julio de 2026.

Artificial Intelligence in English as a foreign language learning: A systematic review of technologies, tools, and their impacts. Computers and Education: Artificial Intelligence, vol. 10, 2026, 100595.

Madden, O. et al. (2026). “From augmentation to transformation: Foreign language teachers’ perceptions of GenAI’s role in redefining teaching, learning, and assessment”. Artificial Intelligence in Language Education. Estudio con docentes de 13 países del Caribe.

La IA enseña vocabulario, pero la verdadera prueba comienza cuando desaparece la pantalla

La inteligencia artificial puede convertir el aprendizaje de vocabulario en una experiencia inmediata, personalizada y casi inagotable. ChatGPT puede proponer ejemplos, explicar matices, crear ejercicios y mantener una conversación adaptada al nivel del estudiante. Sin embargo, la pregunta pedagógica verdaderamente importante no es cuánto aprende una persona mientras utiliza la herramienta, sino cuánto conserva cuando deja de tenerla delante.

Una investigación publicada el 23 de agosto de 2026 en la revista Information estudió precisamente los efectos inmediatos y diferidos de una enseñanza de vocabulario apoyada por ChatGPT en estudiantes de inglés como lengua extranjera. El interés del trabajo está en algo que a menudo queda fuera de las demostraciones tecnológicas: la retención lexical. Aprender una palabra durante una sesión y ser capaz de recuperarla días después no son el mismo fenómeno.

Esa diferencia debería modificar la manera en que profesores y estudiantes juzgan la utilidad de la IA para aprender idiomas.

La ilusión de aprender mientras la respuesta está disponible

Las herramientas generativas son extraordinariamente buenas reduciendo fricción. Si un estudiante desconoce una palabra, obtiene la traducción en segundos. Si no entiende una expresión, puede pedir cinco ejemplos. Si necesita practicar, la IA puede construir inmediatamente una conversación o un cuestionario.

Todo eso facilita la exposición al idioma. Pero también introduce un riesgo: confundir disponibilidad de información con conocimiento adquirido.

Mientras la herramienta permanece abierta, el estudiante puede reconocer una palabra, comprenderla en contexto e incluso utilizarla con ayuda. Sin embargo, el aprendizaje lingüístico requiere algo adicional: que esa palabra llegue a estar suficientemente consolidada como para ser recuperada cuando la conversación real no ofrece un botón de ayuda.

Ese es el valor de medir efectos diferidos. Una evaluación inmediata nos dice qué puede hacer el estudiante al terminar una actividad. Una evaluación posterior nos ayuda a saber qué parte de esa experiencia se convirtió realmente en memoria lingüística disponible.

La investigación reciente sobre inteligencia artificial y aprendizaje de inglés muestra un panorama prometedor, pero todavía desigual. Una revisión sistemática publicada en Computers and Education: Artificial Intelligence examinó 708 trabajos y seleccionó 103 estudios empíricos sobre IA en contextos de inglés como lengua extranjera. Los resultados son predominantemente positivos en escritura, expresión oral, competencias integradas y adquisición de vocabulario. Al mismo tiempo, la investigación sigue concentrada especialmente en estudiantes universitarios y todavía sabemos menos sobre la duración de determinados efectos y su transferencia a contextos comunicativos distintos.

Para un profesor de idiomas, esa distinción es crucial. Una herramienta puede producir buenos resultados durante la práctica sin garantizar necesariamente que el estudiante pueda movilizar posteriormente lo aprendido de manera autónoma.

De la exposición a la recuperación

Una forma útil de integrar IA en el aprendizaje de vocabulario es dividir el proceso en tres momentos.

Primero, la IA puede utilizarse para descubrir y practicar. El estudiante encuentra una palabra nueva, pide definiciones adaptadas a su nivel, observa colocaciones, escucha ejemplos y la utiliza en diferentes frases o conversaciones.

Después debe aparecer una fase sin asistencia. Horas o días más tarde, el estudiante intenta recuperar esa palabra sin consultar el historial, el traductor ni el chatbot. Puede reconstruir su significado, escribir una frase o explicar la diferencia entre esa palabra y otra cercana.

Finalmente llega la transferencia. La palabra debe utilizarse en una situación comunicativa nueva: una conversación, una producción escrita, una exposición oral o una tarea auténtica que no reproduzca exactamente el ejercicio inicial.

La secuencia puede resumirse así: IA para descubrir y practicar; memoria para recuperar; interacción para transferir.

En una clase de francés como lengua extranjera, por ejemplo, un estudiante podría practicar con IA expresiones como «avoir beau», «se rendre compte» o «mettre en œuvre». Durante la primera sesión puede pedir explicaciones y ejemplos. Dos días después debería intentar utilizarlas sin asistencia en un pequeño texto o conversación. Una semana más tarde, el profesor puede comprobar si aparecen espontáneamente en otra actividad.

Ese último momento ofrece información pedagógica mucho más valiosa que saber cuántos ejercicios completó el alumno en la aplicación.

El aprendizaje informal también necesita orientación

La expansión de la IA está trasladando una parte creciente del aprendizaje de idiomas fuera del aula. Cambridge University Press ha dedicado trabajos recientes al aprendizaje digital informal del inglés y a contextos mediados por inteligencia artificial. Esta literatura destaca oportunidades evidentes: mayor acceso, personalización, práctica frecuente y entornos de menor ansiedad.

Pero disponer de una herramienta capaz de conversar a cualquier hora no convierte automáticamente al estudiante en un aprendiz autónomo.

La autonomía requiere decidir qué aprender, observar los propios errores, evaluar la calidad de una respuesta, volver sobre aquello que no se domina y comprobar si se puede actuar sin ayuda. Una persona puede pasar muchas horas conversando con una IA y, sin una estrategia de recuperación y transferencia, obtener menos aprendizaje duradero del que supone.

Aquí el profesor adquiere una función distinta, no menor. Ya no necesita ser la única fuente de ejemplos, ejercicios o explicaciones. Puede convertirse en quien diseña las condiciones para que la asistencia tecnológica produzca aprendizaje independiente.

Eso significa formular preguntas diferentes. En lugar de preguntar únicamente «¿usaste la IA para practicar?», puede preguntar: «¿qué puedes hacer ahora sin ella?». En lugar de valorar la cantidad de interacción con la herramienta, puede observar qué conocimientos aparecen después en situaciones nuevas.

La IA como andamio, no como memoria externa permanente

La metáfora del andamiaje resulta especialmente adecuada. Durante una construcción, el andamio permite realizar tareas que serían difíciles sin apoyo. Pero el edificio debe mantenerse cuando el andamio desaparece.

La IA puede desempeñar esa función en el aprendizaje lingüístico: ofrecer retroalimentación, reformular, generar contextos, simular conversaciones y aumentar radicalmente el tiempo disponible para practicar. El problema surge cuando el apoyo nunca se retira.

Si cada palabra desconocida se consulta inmediatamente, si cada frase se corrige antes de que el estudiante intente reformularla y si cada producción comienza siendo generada por la máquina, la herramienta puede terminar ocupando precisamente el espacio cognitivo donde debería producirse el aprendizaje.

Por eso una buena pedagogía de IA necesita momentos deliberados de desconexión.

No se trata de rechazar la tecnología. Se trata de utilizarla de manera que prepare al estudiante para no necesitarla constantemente.

Conclusión

La inteligencia artificial está ampliando extraordinariamente las posibilidades para aprender idiomas. Puede ofrecer a millones de estudiantes algo que antes era escaso: interacción personalizada, ejemplos ilimitados y retroalimentación inmediata.

Pero el criterio con el que deberíamos evaluar esa revolución necesita madurar.

El éxito no consiste en que un estudiante pueda resolver más actividades mientras conversa con una IA. Consiste en que, después de utilizarla, disponga de más lengua propia: palabras que recuerde, estructuras que pueda recuperar y recursos comunicativos que consiga movilizar sin asistencia.

La verdadera prueba del aprendizaje comienza, precisamente, cuando desaparece la pantalla.

Fuentes

Albaqami, S. y Alahmadi, A. (2026). “Immediate and Delayed Effects of ChatGPT-Enhanced Vocabulary Instruction on Saudi EFL Learners”. Information, 17(9), 812.

“Artificial Intelligence in English as a Foreign Language Learning: A Systematic Review of Technologies, Tools, and Their Impacts”. Computers and Education: Artificial Intelligence, vol. 10, 2026, 100595.

Cambridge University Press (2026). Informal Digital Learning of English. Elements in Language Teaching.

Zou, M., Reinders, H. y Amjad, F. (2026). “Understanding the Potential Role of GenAI-Mediated Informal Digital Learning of English (GenAI-IDLE) in the Global South”. ReCALL, 38(1), 131–149.

La IA habla cada vez mejor, pero ¿habla como nosotros? El nuevo reto de enseñar conversación en idiomas

La inteligencia artificial generativa ha entrado en la enseñanza de lenguas con una promesa difícil de ignorar: ofrecer a cada estudiante un interlocutor disponible a cualquier hora, dispuesto a conversar sin cansarse, corregir errores y adaptar la interacción al nivel del aprendiz. Para quienes enseñamos francés o cualquier lengua extranjera, esa posibilidad es extraordinaria. Pero una investigación publicada en agosto de 2026 introduce una pregunta más profunda: que una IA produzca frases gramaticalmente correctas no significa necesariamente que converse como lo hace una persona.

Ese matiz puede parecer pequeño, pero toca el corazón mismo de la competencia comunicativa. Aprender una lengua no consiste únicamente en construir oraciones correctas. También supone saber cuándo insistir, cómo matizar una opinión, cómo persuadir, cómo mostrar desacuerdo sin romper la interacción, qué expresiones resultan naturales en una situación determinada y cómo cambia nuestro discurso según la relación con el interlocutor. En otras palabras, hablar bien una lengua implica dominar no solo su gramática, sino también sus registros, sus usos y sus convenciones sociales.

Un estudio publicado en Applied Corpus Linguistics, correspondiente a agosto de 2026, comparó diálogos generados por ChatGPT-4o con conversaciones producidas por aprendientes de inglés. Los investigadores utilizaron análisis multidimensional y 67 variables lingüísticas para estudiar hasta qué punto la IA reproduce los rasgos propios del diálogo humano en una tarea de persuasión. La investigación parte precisamente de un problema que comienza a ser central en la didáctica de lenguas: los modelos de IA pueden funcionar como compañeros de conversación, pero su capacidad para reproducir de manera auténtica los registros del habla necesita ser examinada, no simplemente presumida.

Esto modifica la manera en que deberíamos incorporar estas herramientas al aula. Si pedimos a un estudiante de FLE que converse durante veinte minutos con una IA, la actividad puede ser útil para ganar fluidez, reducir la ansiedad y aumentar el tiempo de exposición al francés. Pero existe un riesgo pedagógico si asumimos que todo lo que el sistema produce constituye automáticamente un modelo de francés auténtico.

La investigación reciente refuerza esa cautela. Un estudio publicado este mismo mes en System examinó cómo cambia la ansiedad al hablar una lengua extranjera cuando el interlocutor es humano o artificial. Los agentes de IA produjeron una reducción mayor de la ansiedad que los interlocutores humanos. Es un hallazgo muy valioso: un estudiante que teme equivocarse puede encontrar en la máquina un espacio de ensayo menos amenazante. Sin embargo, el mismo trabajo muestra que reducir la ansiedad y desarrollar voluntad real de comunicarse no son exactamente el mismo fenómeno. La comodidad frente a una máquina no garantiza por sí sola la capacidad de desenvolverse ante otra persona.

Ahí aparece, a mi juicio, una distinción que debería orientar el uso pedagógico de estas tecnologías: la IA puede ser un excelente espacio de entrenamiento, pero no debe convertirse en el destino final de la comunicación.

Para una clase de francés, por ejemplo, podríamos pedir al estudiante que prepare con una IA una conversación para reclamar en un hotel, defender una opinión, participar en una entrevista profesional o negociar una solución. La IA permitiría repetir el ejercicio varias veces, variar el vocabulario y recibir retroalimentación inmediata. Pero la segunda parte debería trasladar esa competencia al mundo humano: realizar la misma tarea con otro estudiante o con el profesor, donde aparecerán interrupciones, vacilaciones, cambios inesperados, gestos, diferencias culturales y respuestas que ningún guion puede anticipar completamente.

La secuencia pedagógica podría resumirse así: ensayo con IA, observación crítica, interacción humana y reflexión posterior. La tecnología aumenta las oportunidades de práctica; el profesor convierte esa práctica en aprendizaje.

Esto coincide con una conclusión más amplia que está emergiendo en la investigación de 2026. Una síntesis publicada el 8 de agosto en System, basada en quince trabajos sobre inteligencia artificial generativa y enseñanza de segundas lenguas, reconoce importantes posibilidades para el andamiaje, la participación, el desarrollo docente y la evaluación. Pero también identifica problemas de fiabilidad, adecuación contextual, dependencia excesiva, debilitamiento de la agencia del estudiante, desigualdad de acceso y preparación insuficiente del profesorado.

El punto decisivo es que la IA no elimina la necesidad de mediación pedagógica; la hace más sofisticada. Antes, el profesor seleccionaba un diálogo de un manual y preguntaba si era adecuado para sus estudiantes. Ahora deberá formular preguntas adicionales: ¿este diálogo generado corresponde realmente al registro que pretendo enseñar?, ¿una persona francófona hablaría así en esta situación?, ¿la respuesta refleja usos culturales plausibles?, ¿está adaptada al nivel del MCER del alumno?, ¿qué debería observar el estudiante y qué debería cuestionar?

También cambia la enseñanza de la pragmática. Durante mucho tiempo hemos corregido con especial atención aquello que puede señalarse fácilmente: concordancia, conjugación, vocabulario o pronunciación. La IA puede detectar buena parte de esos elementos con creciente eficacia. Precisamente por ello, el valor del profesor se desplaza hacia aquello que resulta más difícil automatizar: explicar por qué una expresión técnicamente correcta puede sonar extraña, excesivamente directa, demasiado formal o culturalmente inapropiada.

En FLE esto es particularmente visible. Saber construir correctamente «Je veux…» no significa saber cuándo resulta preferible «Je voudrais…», «Est-ce que je pourrais…» o una formulación todavía más indirecta. La diferencia no pertenece simplemente a la gramática. Pertenece a la relación entre lengua, intención, contexto y cultura.

UNESCO ha insistido recientemente en una idea complementaria: la inteligencia artificial debe utilizarse como apoyo y no como sustituto del aprendizaje lingüístico. La traducción automática y los asistentes conversacionales pueden derribar barreras, pero no reemplazan la dimensión humana de la comunicación. Esa posición adquiere todavía mayor importancia cuando recordamos que los sistemas de IA se entrenan sobre cantidades muy desiguales de datos según las lenguas y variedades lingüísticas. Lo que parece una conversación «natural» para el modelo puede reflejar sobre todo aquello que está mejor representado en sus datos.

Por eso el futuro de la enseñanza de idiomas no debería plantearse como una competencia entre profesor e inteligencia artificial. La cuestión más productiva es distribuir correctamente las funciones. La máquina puede multiplicar la práctica, simular escenarios, ofrecer retroalimentación inmediata y permitir que el estudiante se equivoque cien veces sin sentirse juzgado. El profesor debe enseñar a interpretar esa retroalimentación, identificar sus límites y, sobre todo, transformar lo practicado frente a una pantalla en competencia comunicativa ante personas reales.

Conclusión

La llegada de interlocutores artificiales constituye probablemente una de las mayores oportunidades que ha tenido la enseñanza de lenguas para aumentar el tiempo efectivo de práctica. Un estudiante ya no necesita esperar a la próxima clase para conversar en francés, inglés o cualquier otra lengua que el sistema maneje adecuadamente.

Pero disponibilidad no equivale a autenticidad, y corrección gramatical no equivale a competencia comunicativa. La prueba definitiva del aprendizaje seguirá ocurriendo cuando desaparezca la IA y aparezca otra persona.

La mejor pedagogía, por tanto, no debería preguntarse cuántas conversaciones puede mantener el estudiante con una máquina, sino qué es capaz de hacer después, cuando debe comprender, reaccionar, negociar significados y hacerse entender frente a un ser humano. Ahí continúa estando la verdadera medida de aprender una lengua.

Fuentes

Applied Corpus Linguistics (agosto de 2026), «Can AI speak authentically: A multi-dimensional analysis of ChatGPT-generated dialogue and learner dialogue on a persuasion task». https://www.sciencedirect.com/science/article/pii/S2666799126000316

System, vol. 141 (agosto de 2026), «Spatial machine heuristic: Effects of agent type and interaction environment on foreign language speaking anxiety and willingness to communicate». https://www.sciencedirect.com/science/article/pii/S0346251X26001326

System (8 de agosto de 2026), «Generative artificial intelligence for language learning and teaching: Opportunities, challenges, and ethical considerations». https://www.sciencedirect.com/science/article/pii/S0346251X26001594

UNESCO, «Why studying languages still matters». https://www.unesco.org/en/articles/why-studying-languages-still-matters

UNESCO (25 de agosto de 2026), «Educación en la era de la IA: La Semana del Aprendizaje Digital de la UNESCO marcará la adopción de una Declaración Ministerial». https://www.unesco.org/es/articles/educacion-en-la-era-de-la-ia-la-semana-del-aprendizaje-digital-de-la-unesco-marcara-la-adopcion-de

La IA puede motivar a aprender idiomas; el reto es que el aprendizaje sobreviva al juego

La inteligencia artificial y la gamificación están convergiendo rápidamente en la enseñanza de lenguas. Aplicaciones que adaptan ejercicios, conceden recompensas, mantienen rachas, generan conversaciones y ajustan automáticamente la dificultad prometen algo que todo profesor desea: estudiantes más motivados y una práctica más personalizada. Sin embargo, una investigación publicada el 22 de agosto de 2026 introduce una pregunta mucho más importante que saber si estas herramientas consiguen que el alumno permanezca más tiempo frente a la pantalla: ¿lo que aprende permanece cuando desaparecen los puntos, las recompensas y la propia inteligencia artificial? 

Esa pregunta debería ocupar un lugar central en la enseñanza de idiomas. La tecnología educativa suele evaluarse por indicadores inmediatos —participación, satisfacción, número de actividades realizadas o mejora después de una intervención breve— cuando el verdadero objetivo de aprender una lengua es poder utilizarla posteriormente, de manera autónoma, en situaciones reales de comunicación. 

Un estudio reciente de investigadores de la Universidad de Granada analizó 105 publicaciones sobre inteligencia artificial y gamificación aplicadas a la educación lingüística entre 2018 y 2026 y realizó además un análisis cualitativo de 27 trabajos especialmente relevantes. El crecimiento del campo ha sido extraordinario: los autores calculan una tasa anual de expansión de la investigación del 32,5 %. Pero el resultado más interesante no es cuánto se investiga, sino qué se está dejando de investigar. 

Solo tres de los 27 estudios analizados incorporaban mediciones posteriores destinadas a comprobar si el aprendizaje se mantenía en el tiempo. Ninguno integraba expresamente el Objetivo de Desarrollo Sostenible 4, relativo a una educación inclusiva y equitativa, y la mediación —competencia importante dentro del Marco Común Europeo de Referencia para las Lenguas— estaba ausente. La investigación ha avanzado, por tanto, mucho más deprisa en sofisticación tecnológica que en la demostración de que sus beneficios sean duraderos, transferibles y accesibles para todos. 

Este hallazgo obliga a distinguir dos conceptos que con frecuencia confundimos: motivación y aprendizaje. Una aplicación puede conseguir que un estudiante complete veinte ejercicios diarios porque quiere conservar una racha de cien días. Eso demuestra capacidad de generar una conducta. No demuestra necesariamente que pueda mantener una conversación, comprender un texto auténtico o desenvolverse cuando ya no dispone de la aplicación. 

En la enseñanza del francés como lengua extranjera esta distinción es particularmente útil. La pregunta que debería formular el docente no es simplemente si una actividad con IA resulta atractiva, sino qué competencia lingüística está desarrollando y qué ocurrirá cuando retire el apoyo tecnológico. 

Una manera práctica de comprobarlo consiste en introducir lo que podríamos llamar una prueba de transferencia. Después de trabajar vocabulario mediante una herramienta gamificada, por ejemplo, el alumno debería utilizar esas palabras días después en una conversación, una narración o una tarea nueva sin recibir las mismas pistas. Después de practicar una interacción con un chatbot, debería realizar una actividad equivalente con otro estudiante o con el profesor. Y después de utilizar IA para mejorar un texto, debería ser capaz de explicar qué corrigió, por qué lo corrigió y producir posteriormente otro texto sin asistencia. 

La secuencia puede formularse de manera sencilla: práctica asistida, retirada progresiva del apoyo y producción autónoma. Si el alumno solamente obtiene buenos resultados mientras la IA permanece presente, hemos mejorado la ejecución de la tarea, pero todavía no podemos afirmar con seguridad que hemos desarrollado competencia lingüística. 

La cuestión tiene además una dimensión de equidad. Las herramientas más sofisticadas requieren dispositivos, conectividad, suscripciones y, cada vez más, acceso a modelos avanzados. Diseñar una metodología que dependa permanentemente de esos recursos puede producir una paradoja: una tecnología concebida para personalizar el aprendizaje termina ampliando la diferencia entre quienes pueden utilizarla constantemente y quienes no. 

La UNESCO ofrece un criterio útil para evitarlo. Su Marco de competencias en inteligencia artificial para docentes coloca la agencia humana y la sostenibilidad entre los principios centrales de la integración educativa de la IA y organiza la formación docente alrededor de cinco dimensiones: enfoque centrado en el ser humano, ética, fundamentos y aplicaciones de IA, pedagogía de IA y desarrollo profesional. La idea de fondo es decisiva: incorporar inteligencia artificial no significa transferir a la tecnología la responsabilidad pedagógica del profesor. 

Francia está avanzando en una dirección semejante. El programa BELC 2026 de France Éducation international incluyó módulos específicos para integrar lo digital y la IA en el aula de FLE y para optimizar la enseñanza de lenguas mediante inteligencia artificial, tanto en nivel inicial como avanzado. La institucionalización de estas competencias muestra que la cuestión ya no consiste en decidir si la IA entrará en las clases de idiomas. Ya entró. El problema profesional es aprender a utilizarla con criterios didácticos. 

Para un profesor de lenguas, esto modifica incluso la manera de seleccionar aplicaciones. Antes de adoptar una herramienta conviene formular al menos cuatro preguntas: ¿qué competencia lingüística desarrolla?, ¿puede comprobarse el aprendizaje sin la herramienta?, ¿favorece progresivamente la autonomía o genera dependencia?, ¿podría aplicarse una alternativa pedagógica razonable cuando un estudiante no tenga acceso a la tecnología? 

Estas preguntas desplazan la conversación desde la novedad tecnológica hacia la calidad educativa. Y ese desplazamiento es necesario porque una plataforma puede ser extraordinariamente entretenida y, sin embargo, producir un aprendizaje superficial; mientras una utilización pedagógicamente bien diseñada de la IA puede proporcionar práctica, retroalimentación y oportunidades comunicativas que serían difíciles de ofrecer individualmente a cada estudiante. 

La conclusión no es abandonar la gamificación ni desconfiar de la inteligencia artificial. Es exigirles el mismo criterio que exigimos a cualquier metodología educativa: demostrar que ayudan al alumno a aprender aquello que pretendemos enseñar. 

En idiomas, el éxito de la IA no debería medirse por cuántos ejercicios consigue que complete un estudiante, sino por aquello que el estudiante continúa siendo capaz de hacer cuando cierra la aplicación. La mejor tecnología educativa será, paradójicamente, aquella que consiga hacerse progresivamente menos necesaria porque el aprendiz ha adquirido autonomía. 

Fuentes 

López-Enríquez, Á., Ortega-Martín, J. L. y Corral-Robles, S. (2026). “Gamification and Artificial Intelligence in Language Education: A Sequential Explanatory Mixed-Methods Analysis of Research Trends Through the Lens of Sustainable and Equitable Learning (2018–2026)”. Education Sciences, publicado el 22 de agosto de 2026. https://www.mdpi.com/2227-7102/16/9/1351 

UNESCO. AI Competency Framework for Teachers. Actualización del 16 de enero de 2026. https://www.unesco.org/en/articles/ai-competency-framework-teachers 

Ministerio de Educación Nacional de Francia. Programa BELC été 2026, France Éducation international. https://www.education.gouv.fr/bo/2026/Hebdo18/MENB2610518X 

Comisión Europea. Guidelines on the ethical use of artificial intelligence and data in teaching and learning for educators, edición 2026. https://op.europa.eu/en/publication-detail/-/publication/eab657c4-63a8-11f1-9b18-01aa75ed71a1

La IA acelera el aprendizaje de idiomas, pero también puede ampliar la desigualdad lingüística

La inteligencia artificial generativa promete una clase de idiomas más personalizada: conversación disponible a cualquier hora, retroalimentación inmediata, materiales adaptados al nivel del estudiante y apoyo para escribir, escuchar o ampliar vocabulario. Sin embargo, una investigación publicada en agosto de 2026 introduce una advertencia importante: los beneficios de la IA no se distribuyen necesariamente de manera igual entre idiomas, culturas y sistemas educativos. Una revisión crítica publicada en la revista System analizó 53 estudios realizados entre 2020 y 2026 sobre inteligencia artificial generativa y educación lingüística. Su conclusión plantea una paradoja de inclusión. La misma tecnología que puede democratizar el acceso a tutores lingüísticos sofisticados puede reforzar la distancia entre las lenguas y contextos que cuentan con abundantes datos digitales y aquellos con menor representación tecnológica. El problema no está solamente en tener acceso a una herramienta. Está también en aquello con lo que esos sistemas fueron entrenados. Una lengua con millones de textos, grabaciones, materiales educativos y contenidos culturales digitalizados dispone de una infraestructura invisible que permite a los modelos producir respuestas más ricas. Las lenguas con menor presencia digital, las variedades regionales y determinados contextos culturales parten de una posición diferente. Esto obliga a abandonar una idea demasiado simple: incorporar IA a la clase no significa automáticamente modernizarla. Enseñar una lengua no es solamente producir frases correctas Un modelo puede generar en segundos un diálogo para practicar cómo pedir comida en un restaurante francés. Pero la competencia comunicativa no consiste únicamente en construir oraciones gramaticales. También implica registro, cortesía, contexto, referencias culturales, variación lingüística y capacidad para interpretar lo que una persona quiere decir más allá de las palabras utilizadas. Una revisión sistemática aceptada este mes por Frontiers in Education llega a una conclusión complementaria. Al estudiar la IA en contextos EFL/ESL, identifica beneficios como mayores oportunidades de práctica, ciclos más rápidos de retroalimentación, autonomía y apoyo multilingüe. Sin embargo, señala que esos beneficios son condicionales. Entre los problemas recurrentes aparecen la calidad irregular de las respuestas, la preparación insuficiente del profesorado, la privacidad, la dependencia del estudiante, la desigualdad de infraestructura y los sesgos culturales y lingüísticos. La conclusión pedagógica es importante: no existe una IA educativa separada de la intervención docente. Existe un ecosistema formado por herramientas, estudiantes, profesores, evaluación, infraestructura y reglas institucionales. Cambiar solamente la herramienta no transforma necesariamente el aprendizaje. El Caribe ofrece una advertencia especialmente cercana Una investigación de 2026 realizada con docentes de lenguas extranjeras de trece países caribeños encontró una valoración generalmente positiva de la IA para planificación, retroalimentación, diferenciación y apoyo multilingüe. Pero los profesores también expresaron preocupación por dependencia, integridad académica, sesgos algorítmicos y pérdida de competencia comunicativa auténtica. El estudio propone un marco de mediación contextualizada para el Caribe. La idea central resulta muy pertinente: una herramienta diseñada globalmente debe pasar por una mediación pedagógica local antes de entrar en el aula. Para República Dominicana esto significa que no deberíamos limitarnos a preguntar qué plataforma de IA utilizar para enseñar francés o inglés. Deberíamos preguntarnos si sus ejemplos representan adecuadamente nuestro contexto, si comprende las interferencias habituales entre español y francés de nuestros estudiantes, si reconoce nuestras variedades lingüísticas y si las situaciones comunicativas que propone corresponden a experiencias que nuestros alumnos realmente pueden vivir. Un profesor de FLE puede hacer una prueba sencilla. Pida a la IA una actividad A2 para un estudiante dominicano que viajará por primera vez a Francia. Después examine cuatro elementos: si el nivel corresponde realmente al MCER; si el vocabulario es útil para esa situación; si aparecen supuestos culturales inadecuados; y si la actividad obliga al estudiante a producir lengua o simplemente a reconocer respuestas. Ese ejercicio cambia el papel del profesor. Ya no es consumidor de materiales generados automáticamente, sino editor pedagógico de la inteligencia artificial. Francia ya está formando profesores para esa transición El programa BELC 2026 incluye módulos específicos para integrar lo digital y la IA en la práctica docente, además de niveles inicial y avanzado dedicados a optimizar la enseñanza de lenguas mediante inteligencia artificial. El dato es significativo porque desplaza el debate desde la herramienta hacia la competencia profesional. El profesor del futuro inmediato no necesitará conocer cada aplicación disponible. Necesitará saber formular objetivos pedagógicos, evaluar resultados generados por máquinas, reconocer sesgos, proteger datos y decidir cuándo la IA favorece el aprendizaje y cuándo lo sustituye. Una investigación publicada este año en Frontiers propone precisamente evaluar la alfabetización en IA de los profesores de lenguas no como una competencia tecnológica genérica, sino considerando simultáneamente conocimientos técnicos, lingüísticos y pedagógicos. Conclusión La inteligencia artificial puede reducir algunas desigualdades educativas: un estudiante puede conversar durante horas con un tutor artificial, recibir explicaciones individualizadas y acceder a materiales que antes requerían otros recursos. Pero también puede crear una nueva desigualdad entre quienes aprenden lenguas y culturas ampliamente representadas en los datos y quienes habitan contextos que los modelos conocen peor. La respuesta no debería ser rechazar la IA. Debería ser desarrollar suficiente criterio pedagógico para contextualizarla. En la enseñanza de idiomas, la verdadera innovación quizá no consista en disponer de una máquina capaz de hablar todas las lenguas, sino en formar profesores capaces de reconocer cuándo esa máquina realmente comprende la lengua, la cultura y al estudiante que tiene delante. Fuentes System, agosto de 2026, The paradox of inclusion: Generative AI and the center-periphery divide in language education. DOI: 10.1016/j.system.2026.104103 Frontiers in Education, 2026, From Tools to Pedagogical Ecologies: A Systematic Review of Artificial Intelligence in EFL/ESL Education. DOI: 10.3389/feduc.2026.1859248 Madden et al., 2026, From augmentation to transformation: Foreign language teachers’ perceptions of GenAI’s role in redefining teaching, learning, and assessment. DOI: 10.29140/aile.2026.104107 Ministerio de Educación Nacional de Francia, BELC été 2026, módulos de formación en IA y enseñanza de lenguas. Frontiers in Education, 2026, Assessing artificial intelligence literacy in foreign language teachers: a TPACK-based perspective. DOI: 10.3389/feduc.2026.1706559

La IA no hace autónomo al estudiante: lo que realmente cambia el aprendizaje de idiomas

La inteligencia artificial promete una escena casi ideal para quien aprende una lengua: conversación disponible a cualquier hora, correcciones inmediatas, explicaciones personalizadas y materiales adaptados al nivel del estudiante. Pero una investigación publicada en 2026 introduce una precisión decisiva: disponer de IA no convierte automáticamente al alumno en un aprendiz autónomo. La diferencia parece estar en lo que hace mentalmente mientras la utiliza y en el acompañamiento pedagógico que recibe. Un estudio de Yang Zhao y Huiyi Jin, publicado en Learning and Motivation, examinó a 715 universitarios que utilizaban inteligencia artificial para aprender lenguas. Los investigadores analizaron cuatro elementos: pensamiento crítico, apoyo docente, estado de concentración o flow y aprendizaje autorregulado. Los resultados muestran asociaciones positivas entre el pensamiento crítico y la autorregulación, y también entre el apoyo del profesor y esa capacidad del estudiante para dirigir su propio aprendizaje. La conclusión tiene importancia porque cuestiona una idea que empieza a instalarse en la educación: si la IA permite aprender individualmente, entonces el profesor será progresivamente menos necesario. La evidencia apunta en otra dirección. Cuanto más autónoma parece la tecnología, más importante resulta enseñar al estudiante a utilizarla con criterio. Autonomía no significa aprender solo En didáctica de lenguas, autonomía no equivale a ausencia del profesor. Un estudiante autónomo es capaz de establecer objetivos, seleccionar estrategias, comprobar si está progresando, detectar dificultades y modificar su manera de aprender. La IA puede ayudar en todas esas operaciones. Puede generar ejercicios de vocabulario, mantener una conversación simulada, explicar una construcción gramatical, corregir una producción escrita o proponer actividades de comprensión. El problema aparece cuando el estudiante delega precisamente las operaciones cognitivas que debería estar desarrollando. Si pide directamente la traducción, pierde una oportunidad de formular hipótesis. Si solicita que la IA escriba el texto completo, desaparece buena parte del proceso de producción. Si acepta una corrección sin comprender por qué una expresión era inadecuada, obtiene una respuesta mejor sin necesariamente convertirse en un hablante mejor. Por eso el pensamiento crítico adquiere una función lingüística. Frente a una respuesta generada por IA, el estudiante debería aprender a preguntarse: ¿esta expresión corresponde realmente al registro que necesito?, ¿suena natural?, ¿por qué se utiliza este tiempo verbal?, ¿existe otra manera de decirlo?, ¿puedo explicar con mis propias palabras la corrección que acabo de recibir? La tecnología deja entonces de ser una máquina de respuestas y se convierte en un interlocutor que obliga a comparar, justificar y reformular. El profesor cambia de función, no desaparece Uno de los resultados más interesantes del estudio es precisamente la relación positiva entre apoyo docente y aprendizaje autorregulado. Puede parecer paradójico: cuanto más queremos que el estudiante aprenda por sí mismo, más importante continúa siendo el profesor. La paradoja desaparece cuando distinguimos dependencia de acompañamiento. El buen docente no resuelve permanentemente la tarea del alumno; crea las condiciones para que éste pueda resolverla progresivamente sin ayuda. En una clase de francés como lengua extranjera, por ejemplo, el profesor puede establecer reglas concretas para trabajar con IA. Antes de consultar el sistema, el estudiante produce su primera respuesta. Después solicita retroalimentación. A continuación compara ambas versiones, identifica tres modificaciones y explica oralmente por qué acepta o rechaza cada una. Finalmente produce una nueva versión sin copiar la respuesta de la máquina. Ese pequeño cambio transforma radicalmente la actividad. La IA continúa proporcionando retroalimentación inmediata, pero el estudiante conserva la responsabilidad intelectual sobre el proceso. Una revisión sistemática publicada este año en Learning and Individual Differences, basada en 25 estudios empíricos, llega a una conclusión compatible. La IA puede favorecer el aprendizaje autorregulado, pero los investigadores identifican también problemas de precisión, adaptación, alfabetización en IA y posibles efectos negativos. Su propuesta incluye dos niveles inseparables: uno correspondiente al alumno —planificación, ejecución, reflexión e iteración— y otro al profesor, responsable de alfabetización en IA, integración pedagógica, acompañamiento y seguimiento del progreso. La fórmula, por tanto, no es estudiante más IA menos profesor. Es estudiante más IA más un profesor que enseña a aprender. De la corrección instantánea a la metacognición Esto obliga también a reconsiderar qué debemos valorar en la enseñanza de idiomas. Durante mucho tiempo hemos prestado gran atención al producto final: el texto correctamente escrito, la respuesta gramaticalmente adecuada o la traducción correcta. La IA puede producir esos resultados en segundos. Lo que adquiere mayor valor educativo es el proceso que conduce hasta ellos. Un estudiante que puede explicar por qué modificó una frase, reconocer un error recurrente, elegir conscientemente una estrategia o evaluar críticamente una sugerencia de la IA está desarrollando algo que va más allá de una respuesta correcta: está aprendiendo a aprender una lengua. La investigación reciente sobre IA agéntica en enseñanza universitaria de inglés refuerza esa posibilidad. Un estudio de 16 semanas con 120 estudiantes de nivel B1 encontró mayores avances en autonomía, estrategias de autorregulación y motivación intrínseca cuando un sistema de IA desempeñaba funciones estructuradas de docente y asistente. Pero precisamente porque se trataba de una intervención pedagógicamente diseñada, el resultado no demuestra que cualquier utilización espontánea de un chatbot produzca los mismos efectos. Ahí está probablemente la distinción que deberíamos llevar al aula. Una regla sencilla: pensar antes de preguntar Para profesores y estudiantes de idiomas, una práctica puede resumir buena parte de esta evidencia: producción humana primero, asistencia artificial después. Antes de pedir una traducción, intentar traducir. Antes de solicitar una redacción, escribir una primera versión. Antes de pedir la respuesta correcta, formular una hipótesis. Después puede entrar la IA: comparar, explicar, cuestionar, ofrecer alternativas y ayudar a reformular. Incluso podemos añadir una última etapa: retirar nuevamente la tecnología y pedir al estudiante que produzca por sí mismo. Ese momento permite comprobar si hubo aprendizaje o simplemente asistencia. La diferencia parece pequeña, pero pedagógicamente es enorme. En el primer modelo la IA sustituye el esfuerzo; en el segundo, lo convierte en objeto de reflexión. Conclusión La discusión sobre inteligencia artificial y enseñanza de idiomas se ha concentrado demasiado en las capacidades de las herramientas: qué pueden traducir, corregir, generar o simular. La pregunta pedagógica más importante es otra: ¿qué capacidades desarrolla el estudiante mientras las utiliza? La evidencia de 2026 empieza a ofrecer una respuesta matizada. La IA puede favorecer autonomía, motivación y autorregulación, pero esos beneficios dependen del pensamiento crítico, de la manera en que se diseñan las actividades y del acompañamiento del profesor. La tecnología puede hacer cada vez más cosas por el estudiante. Precisamente por eso, la misión del profesor será asegurarse de que no haga por él aquello que necesita hacer para aprender. Fuentes Zhao, Yang y Jin, Huiyi. “Self-regulated learning in AI-supported language learning: A self-determination theory perspective on critical thinking, teacher support, and flow”. Learning and Motivation, vol. 95, 2026, 102299. DOI: 10.1016/j.lmot.2026.102299. “Using artificial intelligence to support self-regulated learning: A systematic review of empirical research”. Learning and Individual Differences, vol. 128, mayo de 2026, 102917. DOI: 10.1016/j.lindif.2026.102917. Li, Kuei-Hao y Chang, Chia-Kai. “Agentic AI as a dual-role lecturer and teaching assistant: effects on learner autonomy, self-regulated learning, and intrinsic motivation in university-level EFL education”. Frontiers in Psychology, 25 de junio de 2026. DOI: 10.3389/fpsyg.2026.1847607.