El desafío de capacitar docentes en la era de la IA Dra. Estíbaliz Pérez Pérez

Nunca hubo tanta oferta de formación docente como hoy. Catálogos extensos, plataformas digitales, cursos virtuales, webinars y microcredenciales se multiplican en los sistemas educativos de todo el mundo. Sin embargo, esta abundancia convive con una sensación persistente y difícil de ignorar: la mejora sostenida de la práctica docente no avanza al mismo ritmo. Hacemos más, ofrecemos más, pero los resultados no parecen acompañar.

Esta tensión no es nueva, pero se vuelve especialmente incómoda en el contexto actual. La inteligencia artificial no solo introduce nuevas herramientas o lenguajes; acelera, expone y amplifica las debilidades estructurales de los modelos tradicionales de formación docente. Lo que antes podía tolerarse como ineficiencia hoy se vuelve un riesgo, porque el margen de error se reduce y las decisiones tardías tienen costos crecientes.

Desde hace más de una década, la investigación sobre desarrollo profesional docente viene advirtiendo que una parte significativa de la formación continua está organizada en torno a modelos tradicionales, poco conectados con el trabajo real en las aulas. En lugar de partir de los problemas concretos de la práctica, muchas propuestas siguen funcionando como instancias expositivas, de corta duración y sin continuidad. Este tipo de formación, centrada en la transmisión de contenidos y desvinculada del contexto cotidiano de enseñanza, tiene un impacto limitado en la transformación de las prácticas docentes, como ha documentado de manera consistente el Learning Policy Institute (2017).

El problema no es únicamente pedagógico, sino también sistémico. La proliferación de cursos y programas no siempre responde a una lógica coherente de mejora. Con frecuencia se superponen iniciativas, se fragmentan esfuerzos y se pierde de vista el propósito central. En este escenario, la dificultad no radica tanto en la falta de oferta como en la ausencia de alineación entre políticas, prioridades y prácticas. Cuando las políticas de formación no convergen en un conjunto coherente de prácticas, su impacto se diluye y la mejora queda atrapada en esfuerzos aislados (Learning Policy Institute, 2017).

Si la generación y selección de cursos estuviera produciendo los resultados esperados, los sistemas educativos ya mostrarían transformaciones más profundas y sostenidas. El hecho de que esto no ocurra obliga a revisar no solo qué se ofrece, sino cómo y para qué se organiza la formación docente.

La IA como acelerador del desajuste

En este marco, la inteligencia artificial opera como un acelerador. No crea la brecha entre formación y práctica, pero la vuelve más visible y costosa. La velocidad del cambio tecnológico tensiona cualquier modelo de formación basado en respuestas lentas, genéricas o fragmentadas. En este contexto, no basta con sumar cursos sobre IA; lo que está en juego es la capacidad real de los docentes para comprender, usar críticamente y responder a estas tecnologías en su práctica cotidiana.

Diversos análisis europeos sobre competencias docentes y tecnologías emergentes han subrayado que los beneficios educativos potenciales de la inteligencia artificial dependen, ante todo, del involucramiento activo y significativo de los docentes. Sin capacidades profesionales sólidas, la tecnología no transforma la enseñanza ni mejora los aprendizajes. Por el contrario, tiende a superponerse a prácticas existentes sin modificarlas de manera sustantiva (European Digital Education Hub, 2022).

A esto se suma un factor clave: el tiempo. La velocidad a la que evolucionan las tecnologías digitales genera una presión constante para que los educadores fortalezcan sus competencias, al mismo tiempo que reduce el margen de adaptación de los sistemas educativos. Cuando la formación docente no logra acompañar ese ritmo, el desfase se profundiza y las brechas se amplían. La IA, lejos de ser un tema más en la agenda, expone con crudeza las limitaciones de los enfoques tradicionales de capacitación.

Formar docentes para un mundo que ya cambió

Con frecuencia, el debate sobre empleabilidad y transformación del trabajo se plantea como un desafío externo a la docencia. Se habla de estudiantes, de sectores productivos o de reconversión laboral. Sin embargo, ese cambio también alcanza de lleno a la profesión docente. La automatización de tareas, la redefinición de competencias y la aparición de nuevas funciones están modificando las expectativas sobre el trabajo educativo.

Los análisis internacionales sobre el impacto de la inteligencia artificial en el desarrollo de habilidades advierten que muchos empleos de nivel intermedio están desapareciendo o transformándose rápidamente a medida que sus tareas son automatizadas (UNESCO-UNEVOC, 2021). Aunque este diagnóstico suele leerse en clave de mercado laboral, sus implicaciones para la docencia son directas. Pensar que la enseñanza permanece al margen de estas transformaciones es una ilusión peligrosa.

Seguir formando docentes bajo supuestos que ya no se corresponden con la realidad educativa y social implica prepararlos para un mundo que está dejando de existir. El desafío, entonces, no es simplemente actualizar contenidos o incorporar nuevas temáticas. Es revisar la lógica misma con la que se concibe el desarrollo profesional docente. Cuando el contexto cambia más rápido que los modelos de formación, el problema deja de ser curricular y se vuelve estructural.

El giro necesario: del curso al ecosistema

Llegados a este punto, la pregunta deja de ser cuántos cursos se ofrecen o qué tan actualizados están sus contenidos. La cuestión central es otra: en qué condiciones esos cursos pueden realmente traducirse en mejora continua de la práctica docente.

Aquí cobra fuerza la noción de ecosistema. No como una metáfora atractiva, sino como una exigencia de diseño. La literatura sobre cambio educativo ha sido clara en señalar que la tecnología solo produce transformaciones significativas cuando se integra con la pedagogía y con capacidades reales de gestión del cambio a nivel sistémico. Sin esa integración, incluso las innovaciones más prometedoras tienden a diluirse (Fullan & Langworthy, 2014).

Este enfoque desplaza el foco desde la oferta hacia la arquitectura. La mejora continua no emerge de intervenciones aisladas, sino de ecosistemas que articulan aprendizaje, práctica, retroalimentación, tiempo y coherencia institucional. En esta lógica, los cursos no desaparecen, pero dejan de ser el centro. Se convierten en insumos dentro de un entramado más amplio que les da sentido, continuidad y efecto acumulativo.

Una conversación que no se puede seguir postergando

En la era de la inteligencia artificial, insistir en los mismos modelos de formación docente no es una opción neutra. No se trata de descartar cursos ni de negar el valor de la oferta existente, sino de preguntarse qué lugar ocupan dentro de un ecosistema que sostenga la mejora continua de la práctica.

Tal vez el verdadero desafío no sea capacitar más, sino capacitar mejor. Repensar el ADN que hace posible aprender, mejorar y sostener la práctica docente en un escenario de cambio acelerado es una tarea que involucra a docentes, diseñadores de oferta y responsables de política educativa por igual. Es una conversación incómoda, pero necesaria, y ya no puede seguir postergándose.

Referencias bibliográficas

European Digital Education Hub. (2022). Teachers’ competences: Artificial intelligence in education (Briefing report No. 1). Comisión Europea.

Fullan, M., & Langworthy, M. (2014). Una rica veta: cómo las nuevas pedagogías logran el aprendizaje en profundidad. Pearson.

Learning Policy Institute. (2017). Effective teacher professional development. Learning Policy Institute.

UNESCO-UNEVOC. (2021). Comprender el impacto de la inteligencia artificial en el desarrollo de competencias. UNESCO.

Esta reflexión será profundizada en el webinar “El ADN de la mejora continua docente: elementos clave en la era de la IA”, que se realizará vía Zoom el 26 de febrero de 2026 a las 17:00 (hora Argentina).