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
No hay comentarios:
Publicar un comentario