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.
No hay comentarios:
Publicar un comentario