El Marco MIAE (v.2 revisada) clarifica la integración de la IA generativa en educación. Se refina la escala, desde la persona creando sola hasta la IA generando autónomamente bajo supervisión humana. Se detalla cuándo la IA reformula contenido existente o planifica ideas, y se distingue la creación de borradores de la co-creación mediante diálogo. El marco enfatiza el rol activo de la persona, garantizando el uso ético de la IA y la integridad académica en todas las tareas educativas.
Un agente educativo es un asistente digital configurado con IA para apoyar tareas pedagógicas. Su función es interpretar instrucciones, mantener un contexto y producir resultados específicos. Existen distintos tipos: planificador, corrector, documental, creador de recursos y tutor. Plataformas como Gemini, NotebookLM, Grok, Le Chat, ChatGPT y Perplexity permiten crearlos sin conocimientos técnicos. Estos agentes amplían las posibilidades docentes al automatizar tareas y personalizar apoyos, sin sustituir al profesorado
Este artículo guía a docentes sin programación en la creación de herramientas educativas con IA, usando lenguaje natural (Vibe Coding). Explora chatbots como Gemini y ChatGPT para generar juegos, fichas interactivas o formularios en HTML. Detalla la selección del chatbot, la comunicación con prompts, la depuración de errores y la publicación de recursos. La IA amplía las posibilidades didácticas, potenciando la creatividad y adaptando materiales al contexto de aprendizaje
Los docentes que crean materiales digitales deben elegir licencias claras para facilitar su uso y colaboración. Los contenidos educativos se recomiendan con CC BY-SA, que asegura atribución y reciprocidad, mientras que el código puede protegerse con GPL v3, fomentando mejoras compartidas. Existen otras opciones como CC BY, MIT o Apache 2.0, según los objetivos. Adoptar licencias adecuadas fortalece la comunidad educativa y garantiza que los recursos permanezcan abiertos y accesibles
La segunda parte de la guía explica cómo sacar mayor provecho de las consolas de IA (CLI) al trabajar directamente en el ordenador sin depender de la web. Describe ventajas como ejecutar operaciones masivas, usar múltiples archivos y aprovechar archivos de instrucciones en Markdown para personalizar el comportamiento. También detalla cómo identificar y cambiar modelos, iniciar la consola con prompts y utilizar atajos y comandos útiles que facilitan la programación y la automatización.
La primera parte de la guía enseña a docentes cómo usar la IA (Gemini, ChatGPT, Qwen y Claude) desde la línea de comandos, una interfaz que permite interactuar directamente con el ordenador. Se detallan pros y contras frente a las versiones web, destacando la capacidad de manipular archivos y automatizar tareas. También se explican los conceptos básicos, como la instalación y los comandos.
El artículo explica qué son los prompts en formato JSON y por qué son útiles al trabajar con inteligencia artificial. Describe su estructura basada en claves y valores, sus ventajas como claridad, reutilización y compatibilidad, y destaca su aplicación en educación para generar contenidos precisos. Señala que no es necesario escribirlos manualmente, sino saber pedirlos y conservarlos. Incluye ejemplos prácticos y recomienda usar editores JSON para facilitar su edición y uso recurrente.
El artículo analiza la capacidad de distintos chatbots para resolver cálculos matemáticos. Destaca que ChatGPT y Claude son los más precisos, especialmente si se les indica usar programación. También se explica cómo convertir documentos a texto plano (Markdown) para mejorar su comprensión por parte de la IA. Además, se recomienda usar LaTeX para fórmulas complejas y se mencionan herramientas útiles para integrar resultados en procesadores de texto. Ideal para docentes que usan IA en educación.
Este artículo explica cómo desarrollar un chatbot educativo usando Gemini con canvas. El ejemplo muestra un tutor socrático que analiza textos y genera preguntas para verificar la comprensión del estudiante. Se requiere el modelo 2.5 Pro, definir objetivos claros y crear un prompt detallado. Incluye consejos para depuración, compartir el programa y solucionar errores comunes mediante la técnica «vibe coding».
Este artículo explica cómo crear una aplicación HTML que recoja respuestas de un formulario (nombre, sugerencias y valoración de 0 a 4) y las envíe automáticamente a una hoja de cálculo de Google usando Apps Script. Se detallan los pasos para configurar la hoja, escribir el script y otorgar permisos. También se muestra cómo obtener la URL necesaria para integrarla en la aplicación. Es una guía práctica orientada a aplicaciones educativas interactivas.
El Asistente de Estudio Inteligente Multilingüe facilita el aprendizaje adaptando automáticamente su interfaz al idioma del navegador. Permite fijar edad e idioma de interacción, cargar textos o imágenes y, mediante IA, generar resúmenes, FAQ, flashcards y mapas conceptuales descargables. Incluye práctica guiada con diversos tipos de preguntas, chat enfocado al contenido y un informe de progreso. Cada sesión es única y personalizable, potenciando comprensión y autonomía eficaz.
«El profesor que no existía» es una novela publicada el 14 de mayo de 2025 por Juan José de Haro, creada en colaboración con Claude, una IA de Anthropic. Presenta tres dimensiones: la narrativa sobre Gabriel Vega (un profesor digital en un instituto), una banda sonora que acompaña cada capítulo, y una dimensión interactiva donde el personaje existe como IA en ja.cat/gabrielvega. La obra cuestiona los límites entre lo real y lo simulado, la memoria, la identidad y el futuro de la enseñanza.
Aprende a activar chatbots de IA (Grok, ChatGPT, etc.) en recursos educativos (HTML, Moodle, etc.). Pasa prompts vía URL para que la IA ejecute instrucciones, incluyendo datos del usuario. Técnica: Vibe Coding
El diseño experimental con inteligencia artificial optimiza la aplicación del método científico, facilitando la formulación de hipótesis, la estructuración de variables y el análisis de resultados. La IA mejora la precisión y eficiencia de los experimentos, fomentando el pensamiento crítico y la replicabilidad en la enseñanza. Esta herramienta transforma la investigación educativa y científica, asegurando rigor metodológico.
El método de los 3 expertos utiliza inteligencia artificial para generar debates entre personajes con distintas perspectivas. Esta técnica fomenta el pensamiento crítico en el aula, permitiendo a los estudiantes analizar, contrastar y formular sus propias opiniones. Su aplicación en diversas materias fortalece la argumentación, el aprendizaje activo y la evaluación de información con mayor profundidad.
La gamificación en educación, potenciada por inteligencia artificial, permite diseñar unidades didácticas estructuradas y motivadoras. Este artículo explica el prompt «Planificar una unidad didáctica gamificada», detallando su estructura, decisiones clave y aplicación en el aula. La IA facilita la personalización del aprendizaje, la adaptación de desafíos y la evaluación automatizada, beneficiando a docentes y estudiantes.
La IA revoluciona las búsquedas: analiza consultas, selecciona páginas, abre enlaces y evalúa su relevancia. Varios servicios como AgentGPT, Gemini y Perplexity ofrecen esta tecnología, que transforma la investigación permitiendo obtener resultados de calidad en minutos, en lugar de invertir horas.
La inteligencia artificial facilita la integración entre teoría y práctica en el aula mediante la generación de actividades adaptadas. A través de prompts estructurados, los docentes pueden obtener explicaciones, ejemplos y ejercicios contextualizados que permiten aplicar conceptos teóricos en situaciones reales, fomentando un aprendizaje más significativo y personalizado para los estudiantes.
La inteligencia artificial facilita la evaluación de proyectos en grupo mediante la automatización de criterios, rúbricas y herramientas de análisis. Este artículo explora un prompt específico de Eduprompts que permite a los docentes estructurar evaluaciones equitativas, promoviendo la autoevaluación y coevaluación. La IA optimiza el proceso, asegurando mayor objetividad y eficiencia en el aula.
Recientemente, Firefox ha añadido una barra de herramientas en la sección Firefox Labs que permite acceder a diferentes chatbots. Desde que la uso, se ha convertido en indispensable para mí. Cuando seleccionamos un texto en cualquier página, aparece una estrella y al poner encima el ratón, saldrá un menú como este: Este menú permite: Al… Lee más: Barra de inteligencia artificial de Firefox
La evaluación adaptativa basada en el Diseño Universal para el Aprendizaje utiliza la inteligencia artificial para generar pruebas flexibles y accesibles. El proceso incluye definir contenidos, identificar necesidades, crear opciones variadas y establecer criterios claros que permiten a cada estudiante demostrar su aprendizaje según sus capacidades.
Los Objetivos de Desarrollo Sostenible se integran en el aula mediante un sistema de prompts que genera actividades educativas estructuradas. El proceso guía a los docentes en la identificación del contexto, selección de saberes, alineación con criterios y diseño de actividades que conectan el aprendizaje con problemas globales reales.
El uso de inteligencia artificial en la creación de situaciones de aprendizaje permite a los docentes diseñar experiencias educativas más dinámicas y adaptadas al contexto del alumnado. Mediante 20 prompts estructurados, se facilita la planificación de actividades, la evaluación y la personalización del aprendizaje. La IA complementa la labor docente, optimizando el tiempo y potenciando metodologías activas.
Guía paso a paso para diseñar un proyecto educativo usando inteligencia artificial. La metodología ABP se estructura mediante cinco prompts que permiten a los docentes definir elementos clave, establecer la planificación, organizar el trabajo, seleccionar el producto final y diseñar la evaluación del proyecto.
Canva permite crear ejercicios y fichas educativas de forma masiva utilizando su función de «diseño por lotes». El proceso consiste en hacer un diseño base en Canva, generar una tabla de contenidos con IA y combinarlos para producir docenas de fichas automáticamente. El artículo muestra el proceso paso a paso usando como ejemplo la creación de ejercicios sobre «El niño con el pijama de rayas», e incluye numerosas ideas de tipos de fichas que se pueden crear con este método, desde ejercicios de gramática hasta fichas de ciencias.
Este artículo presenta una actualización del Marco para la Integración de la IA Generativa en las Tareas Educativas (MIAE), originalmente publicado en agosto de 2024. Manteniendo la esencia, hemos realizado ajustes para clarificar la progresión de los niveles de uso de la IA, redefiniendo sus fronteras y asegurando una mayor coherencia y aplicabilidad para mejorar su usabilidad y comprensión.
Autores como los del citado trabajo y otros como Matt Miller se centran en el plagio y el engaño académico como motor de las categorizaciones que proponen en sus trabajos. Aunque el aspecto ético es muy importante, no nos hemos querido centrar únicamente en él, ya que puede producir una clasificación sesgada, poco natural y de aplicación limitada a la integridad y ética académica. Además, se ha intentado eliminar la confusión que tienen las escalas anteriores, intentando que sean lógicamente coherentes en su progresión.
Este marco se ha generalizado para la integración de la IA generativa en las tareas educativas (MIAE), sobre todo para clarificar el uso que se hace de la IA en los trabajos docentes. Desde este punto de vista es aplicable tanto para el alumnado como para el profesorado. Esta visión tiene innegables ventajas
Permite situar al alumnado y al profesorado en un marco comprensible, clarificando la relación que mantienen con la IA. Esto facilita una mayor transparencia y entendimiento sobre el uso de la tecnología en el entorno educativo.
Establece fronteras claras para el empleo de la IA en el aula, permitiendo a los educadores delimitar el grado de intervención de la IA que desean permitir según los objetivos educativos. Estas fronteras incluyen consideraciones sobre el plagio y el engaño, asegurando que se mantenga la integridad académica.
Ofrece una guía para integrar la IA en el currículum, proporcionando un enfoque estructurado que ayuda a maximizar los beneficios educativos de la IA mientras se minimizan los riesgos asociados con su uso indebido.
El marco se basa en el grado de autonomía y contribución de la IA en el proceso educativo, progresando desde la ausencia total de IA hasta la generación autónoma de contenido por IA para uso educativo, supervisado por humanos. Esta aproximación no solo aborda las preocupaciones éticas, sino que también ofrece un enfoque para comprender y utilizar la IA en diversos contextos educativos, desde trabajos escritos hasta proyectos, presentaciones y desarrollo de materiales didácticos. Esta integración permite a los docentes y estudiantes aprovechar al máximo las capacidades de la IA, promoviendo un aprendizaje y una enseñanza más eficaces.
Escala de integración de la IA generativa
La escala consta de 6 niveles. El primer nivel, que se añade por coherencia, es la ausencia de IA, motivo por el que se le ha numerado como 0.
A modo de mapa conceptual, la progresión de los roles en la escala puede resumirse de la siguiente manera:
Nivel 0: La persona crea.
Nivel 1: La persona crea, la IA reformula.
Nivel 2: La persona crea, la IA planifica.
Nivel 3: La IA crea un borrador, la persona construye.
A continuación presentamos una breve descripción de cada nivel que ayuda a localizar fácilmente aquel en el que nos encontramos o nos interesa. Más adelante hay una descripción más exhaustiva con numerosos ejemplos, tanto para el alumnado como para el profesorado.
Nivel 0 – Trabajo completamente humano: No hay uso de IA en ninguna etapa. Todo el contenido, ideas y estructura son generados exclusivamente por el humano utilizando recursos tradicionales.
Nivel 1 – Asistencia técnica por IA: La IA se utiliza para tareas mecánicas (corrección ortográfica, formateo) o para procesar y reformular información existente (como resumir o traducir). La IA no aporta ideas, análisis o conceptos nuevos al contenido original.
Nivel 2 – Planificación y estructuración asistida por IA: La IA ayuda en la generación inicial de ideas y en la estructuración del trabajo, pero todo el contenido final es desarrollado por el humano. La IA no produce contenidos para el producto final, pero sí influye en las ideas.
Nivel 3 – Asistencia parcial de IA (Uso de borradores o «esqueleto»): La IA genera borradores iniciales o «esqueletos» de contenido. El humano utiliza este material como un punto de partida, pero asume la autoría principal, reescribiendo, adaptando y construyendo significativamente sobre la base generada por la IA. La interacción es principalmente unidireccional: la IA produce y el humano revisa y modifica.
Nivel 4 – Colaboración avanzada humano-IA (cocreación): Hay un diálogo continuo y bidireccional entre humano y IA, con iteraciones frecuentes. El humano guía activamente a la IA durante todo el proceso, refinando su contenido a través de la conversación continuada. El resultado es una fusión estrecha y cocreada del trabajo de ambos, donde la IA actúa como un colaborador activo, no solo como un generador de borradores.
Nivel 5. Supervisión humana de IA autónoma: La IA genera el producto final de forma autónoma basándose en parámetros humanos. El humano actúa solo como supervisor final, revisando la calidad y validando el producto antes de usarlo.
Descripción de cada nivel
A continuación se detallan cada uno de los niveles y se dan algunos de los aspectos clave que los definen. Damos ejemplos para alumnado y profesorado, pero en muchas ocasiones son intercambiables.
Nivel 0. Trabajo completamente humano
No hay uso de IA en ninguna etapa. Todo el contenido, ideas y estructura son generados exclusivamente por el humano utilizando recursos tradicionales.
Características clave
No se utiliza ninguna forma de IA en ningún momento durante la tarea.
Se depende exclusivamente del conocimiento, comprensión y habilidades propias del individuo.
Todas las ideas, análisis y contenidos son generados por la persona.
Se utilizan únicamente recursos tradicionales (Internet, libros, artículos, notas, etc.).
Ejemplos para el alumnado
Exámenes escritos en clase.
Debates supervisados.
Trabajos sin acceso a IA.
Generación de ideas sin tecnología.
Exámenes orales.
Sesiones de preguntas y respuestas o discusiones formativas entre estudiantes y educadores.
Ejemplos para el profesorado
Diseñar preguntas de examen basadas en el contenido del curso sin utilizar herramientas de IA.
Redactar rúbricas y criterios de evaluación para los exámenes.
Desarrollar planes de lecciones utilizando solo recursos tradicionales (Internet, libros de texto, artículos académicos, notas de clase).
Diseñar actividades y ejercicios que fomenten la participación activa de los estudiantes.
Nivel 1. Asistencia técnica por IA
La IA se utiliza para tareas mecánicas (como corrección ortográfica o formateo) o para procesar y reformular información existente (como resumir, traducir u organizar en tablas). La IA no aporta ideas, análisis o conceptos nuevos que no estuvieran presentes en el contenido original.
Características clave
La IA actúa como una herramienta de apoyo que no genera ideas o conocimiento nuevo, pero puede reorganizar y reformular la información existente.
Se limita a tareas mecánicas y de reformulación (resúmenes, creación de tablas, correcciones, traducciones, etc.).
El contenido resultante se basa estrictamente en las ideas del material original, sin añadir nuevos análisis o conceptos por parte de la IA
La persona mantiene el control total sobre el contenido y las decisiones.
Ejemplos para el alumnado
Usar la IA para resumir un texto, donde el resultado se limita a condensar las ideas ya presentes en el original.
La IA organiza datos en tablas, facilitando la presentación sin alterar la información original.
Utilizar la IA para traducir un texto a otro idioma, verificando la precisión de la traducción y que esta no añada o altere las ideas del original.
Corrección gramatical, de puntuación y ortográfica: La persona puede usar IA para identificar y corregir errores gramaticales, de puntuación, ortográficos y sintácticos en su trabajo.
Elección de palabras: La IA puede sugerir términos adecuados o sinónimos para reemplazar palabras y frases más simples, ayudando a clarificar la escritura.
Ejemplos para el profesorado
Organizar datos en tablas o gráficos para presentaciones, facilitando la visualización de la información sin alterar el contenido original.
Corrección gramatical, de puntuación y ortográfica en documentos y materiales educativos, mejorando la calidad del texto.
Sugerencia de términos adecuados o sinónimos para mejorar la claridad de las guías de estudio y materiales escritos.
Asistencia en la preparación de planes de lecciones, resumiendo y organizando información relevante.
Generar listas de términos y conceptos clave para exámenes y guías de estudio, asegurando que se cubran todos los puntos importantes.
Apoyo en la revisión de trabajos y tareas de los estudiantes, utilizando IA para identificar errores comunes y proporcionar correcciones.
Nivel 2. Planificación y estructuración asistida por IA
La IA ayuda en la generación inicial de ideas y en la estructuración del trabajo, pero todo el contenido final es desarrollado por el humano. La IA no produce contenidos para el producto final, pero sí influye en las ideas.
Características clave
La IA se utiliza principalmente para la generación de ideas iniciales y la estructuración de contenidos.
Ayuda en el diseño y planificación del trabajo, pero no en la creación del contenido final.
El humano utiliza las sugerencias de la IA como punto de partida, pero desarrolla el trabajo por sí mismo, aplicando su propio criterio y conocimiento.
No se permite contenido generado directamente por la IA en la entrega final, aunque las ideas y estructuras sugeridas por la IA pueden influir en el proceso de desarrollo del trabajo.
La persona es responsable de evaluar críticamente, seleccionar y desarrollar las ideas generadas por la IA, asegurando que el producto final sea el resultado de su propio análisis y comprensión.
La contribución de la IA se limita a las etapas preparatorias del trabajo, mientras que la ejecución y el desarrollo detallado son realizados enteramente por el humano.
Ejemplos para el alumnado
Fases iniciales de un trabajo. Uso de IA para generar ideas y crear un esquema o índice para un ensayo, pero la redacción final se realiza sin IA.
Lluvia de ideas. Los estudiantes pueden usar IA para generar ideas o soluciones a problemas. Estas ideas se discuten, filtran y refinan.
Esquemas. Las personas pueden usar IA para crear esquemas de su trabajo como herramienta de planificación. Estos esquemas sirven como guía para el desarrollo del trabajo, pero no se incluyen directamente en el producto final.
Asistencia en la investigación. La IA puede sugerir temas, áreas de interés o fuentes útiles para la investigación, también a través de buscadores.
Ejemplos para el profesorado
Elaborar el plan de una lección. Usar IA para generar ideas y crear un esquema o índice para un plan de lección, pero el desarrollo final del plan se realiza sin IA.
Esquemas. Crear esquemas estructurados para unidades de estudio o programas de curso utilizando IA.
Asistencia en la investigación académica. La IA puede sugerir temas, áreas de interés o fuentes útiles para investigaciones educativas, facilitando la búsqueda de referencias.
Generación de ideas para proyectos de clase y actividades. La IA da ideas para actividades que luego son creadas, adaptadas y refinadas por el profesor.
Nivel 3. Asistencia parcial de IA (uso de borradores o «esqueleto»)
La IA genera borradores iniciales o «esqueletos» de contenido. El humano utiliza este material como un punto de partida, pero asume la autoría principal, reescribiendo, adaptando y construyendo significativamente sobre la base generada por la IA. La interacción es principalmente unidireccional: la IA produce y el humano revisa y modifica.
Características clave
La interacción es principalmente unidireccional: la IA produce, el humano revisa y modifica.
El humano utiliza la IA para generar borradores, propuestas o «esqueletos» que sirven como punto de partida.
El uso de la IA se centra en tareas específicas donde aporta eficiencia, permitiendo al humano enfocarse en aspectos que requieren otras habilidades.
La persona mantiene un control significativo sobre el proceso y el resultado, asumiendo la autoría final del contenido.
Ejemplos para el alumnado
Redacción de secciones de un informe. La IA puede redactar un borrador inicial de una sección. Los estudiantes revisan esta sección, realizando modificaciones, añadiendo sus propias ideas y asegurando que el contenido final refleje su comprensión y análisis personal.
Análisis de datos. La IA lleva a cabo el análisis preliminar de un conjunto de datos y genera gráficos o tablas y los interpreta. Los alumnos añaden sus propias conclusiones y discuten las implicaciones de los datos.
Redacción de preguntas para un cuestionario. La IA genera las preguntas de un cuestionario y la persona las selecciona y adapta a sus necesidades concretas.
Creación de presentaciones. La IA genera un borrador de una presentación y el alumnado la completa y adapta.
Ejemplos para el profesorado
Generación de recursos didácticos. La IA crea borradores de recursos didácticos, como guías de lectura o materiales suplementarios. El profesor revisa, adapta y desarrolla estos recursos para asegurarse de que sean adecuados para las necesidades específicas de sus estudiantes y el currículo.
Diseño de actividades de aprendizaje. La IA propone una serie de actividades para una unidad temática. El profesor evalúa cada actividad, modifica algunas para hacerlas más interactivas o relevantes para su contexto específico, y añade nuevas actividades basadas en su experiencia y conocimiento de las necesidades de aprendizaje de sus estudiantes.
Desarrollo de casos prácticos. La IA genera un listado de posibles casos prácticos basados en los conceptos clave del curso. El docente selecciona, revisa y enriquece el caso, añadiendo contexto real y preguntas de análisis que fomenten el pensamiento crítico y la aplicación práctica de los conocimientos adquiridos.
Creación de exámenes. La IA propone un conjunto de preguntas para un examen. El profesor selecciona las más apropiadas, modifica otras para ajustar su dificultad o enfoque, y añade sus propias preguntas para asegurar una evaluación completa y equilibrada de los conocimientos y habilidades de los estudiantes.
Nivel 4. Colaboración avanzada humano-IA (cocreación)
Hay un diálogo continuo y bidireccional entre humano e IA, con iteraciones frecuentes. El humano guía activamente a la IA durante todo el proceso, refinando su contenido a través de la conversación continuada. El resultado es una fusión estrecha y cocreada del trabajo de ambos, donde la IA actúa como un colaborador activo.
Características clave
Hay un diálogo continuo y bidireccional entre el humano y la IA, con iteraciones frecuentes durante todo el proceso.
El humano mantiene un papel crucial en la dirección, refinamiento y validación del trabajo, asegurando la coherencia general y la calidad del producto final.
La creatividad y el juicio crítico del humano se aplican para mejorar, personalizar y dar coherencia al resultado de la IA.
La persona actúa como coordinadora y directora del proyecto, tomando decisiones críticas sobre la estructura, el contenido y la presentación del trabajo.
Ejemplos para el alumnado
Proyecto de investigación. El estudiante y la IA colaboran en un proceso iterativo. La IA ayuda a buscar fuentes, proponer borradores de texto y crear gráficos. El estudiante dialoga con la IA para ajustar dicho contenido, pidiendo correcciones, ampliaciones y cambios de enfoque para asegurar su precisión y relevancia.
Trabajo escolar. El alumno proporciona los datos necesarios para hacer el trabajo. La IA redacta un informe que es examinado por el primero, quien le indica las correcciones a realizar. Se establece un diálogo donde el alumnado va guiando a la IA hacia la solución final.
Resolución de problemas matemáticos. La IA proporciona pasos y soluciones detalladas para problemas avanzados. El estudiante interactúa con la IA para pedir clarificaciones, buscar soluciones alternativas y asegurar una comprensión completa del proceso.
Creación de un pódcast histórico. Un estudiante comienza proporcionando a la IA su idea general. La IA genera un esquema inicial. El estudiante revisa este esquema, solicita cambios y pide a la IA que amplíe ciertos aspectos. La IA produce borradores de guiones que el estudiante edita. Colaboran en la creación de notas y materiales complementarios. Este proceso continúa hasta que el pódcast alcanza un alto nivel de calidad.
Modelo matemático aplicado al cambio climático. El estudiante describe el problema a la IA. La IA sugiere enfoques y la estudiante pide que los desarrolle. Solicita a la IA un borrador del modelo. El estudiante revisa el modelo, ajusta variables e incorpora factores adicionales con la ayuda de la IA. La IA genera visualizaciones y el proceso iterativo continúa refinando el modelo.
Ejemplos para el profesorado
Planificación de unidades didácticas. El profesor y la IA diseñan iterativamente una unidad completa. El profesor pide objetivos, la IA los genera, el profesor solicita ajustarlos para su contexto, la IA sugiere actividades y el profesor pide modificarlas, en un diálogo constante.
Desarrollo de evaluaciones. El profesor colabora con la IA para generar preguntas, rúbricas y criterios de evaluación. A través de un diálogo, refina el nivel de dificultad, solicita variaciones de las preguntas y ajusta las rúbricas hasta que se alinean con los objetivos del curso.
Desarrollo de materiales interactivos. El profesor dirige a la IA para crear borradores de simulaciones o juegos. A través de iteraciones, el profesor revisa, solicita ajustes en la mecánica o el contenido y complementa los materiales, co-creando un recurso atractivo y efectivo.
Nivel 5. Supervisión humana de IA autónoma
La IA genera el contenido o producto de forma autónoma, con el humano actuando como supervisor. El humano establece los parámetros iniciales, pero la IA desarrolla el trabajo con mínima o nula intervención durante el proceso. El rol del humano es validar el producto final para su uso o entrega, asegurando que cumple con los requisitos iniciales.
Características clave
La IA genera el contenido de forma independiente, basándose en los parámetros iniciales establecidos por la persona.
La intervención humana durante el proceso de generación es mínima o nula, limitándose a la configuración inicial y la revisión final.
El contenido generado por la IA es el producto final en sí mismo, que el humano valida, aprueba y utiliza directamente.
El humano actúa como un director o validador que aprueba el resultado, a diferencia del Nivel 4 (donde es un cocreador) o el Nivel 3 (donde es un constructor).
Ejemplos para el alumnado
Análisis literario: La IA genera un cuento o relato breve sobre un tema o género literario específico. El estudiante utiliza este cuento para realizar un análisis literario, identificando temas, motivos, recursos estilísticos y estructuras narrativas. El trabajo final del alumno no es la modificación del cuento, sino el análisis crítico del texto generado por la IA.
Análisis de datos científicos: La IA produce un informe completo basado en un conjunto de datos científicos, como los resultados de un experimento o una simulación. El estudiante utiliza este informe para realizar un análisis crítico, discutir la metodología, interpretar los resultados y evaluar las conclusiones. El informe generado por la IA es tratado como un documento fuente sobre el cual el estudiante realiza su análisis.
Estudio de casos históricos: La IA crea una descripción detallada de un evento histórico, incluyendo narrativas, fechas clave, y actores involucrados. El estudiante emplea este texto para realizar una comparación entre este evento y otro estudiado en clase, desarrollando un ensayo comparativo que analiza las similitudes y diferencias en contextos históricos.
Discusión filosófica: La IA redacta un diálogo filosófico entre dos personajes sobre un tema ético contemporáneo. Los estudiantes usan este diálogo como base para un debate en clase, donde discuten las posiciones de cada personaje, analizan sus argumentos y desarrollan sus propias reflexiones filosóficas a partir del texto.
Ejemplos para el profesorado
Análisis de textos en clase: La IA genera un conjunto de textos expositivos sobre diferentes teorías científicas o conceptos matemáticos. El profesor utiliza estos textos como material para que los estudiantes realicen análisis de comprensión, discutan en grupos o respondan a preguntas específicas sobre los conceptos presentados en los textos generados.
Estudio de fuentes primarias: La IA produce discursos o documentos simulados de figuras históricas en diferentes contextos. El profesor utiliza estos documentos en clase para que los estudiantes los analicen como si fueran fuentes primarias, desarrollando ensayos o discusiones basadas en el contenido generado.
Práctica de interpretación de datos: La IA crea una serie de informes técnicos o científicos que incluyen análisis de datos, gráficos y conclusiones. El profesor utiliza estos informes en ejercicios de clase donde los estudiantes practican la interpretación de datos, critican la metodología utilizada y desarrollan sus propias conclusiones basadas en la información presentada.
Preparación para un debate: La IA redacta textos que representan diferentes posiciones en un tema controversial. El profesor utiliza estos textos para preparar a los estudiantes para un debate, donde cada grupo analiza y defiende la posición presentada por la IA, desarrollando argumentos a partir del texto base.
Perkins, M., Furze, L., Roe, J., MacVaugh, J.(2024). The Artificial Intelligence Assessment Scale (AIAS): A Framework for Ethical Integration of Generative AI in Educational Assessment. Journal of University Teaching and Learning Practice, 21(6). https://doi.org/10.53761/q3azde36
Perkins, M., Roe, J., & Furze, L. (2025). Reimagining the Artificial Intelligence Assessment Scale (AIAS): A refined framework for educational assessment.Journal of University Teaching and Learning Practice, 22(7). https://doi.org/10.53761/rrm4y757
De Haro, J. J. (2025, 3 de noviembre). Marco para la integración de la IA generativa en las tareas educativas (v.2 revisada). Bilateria. https://educacion.bilateria.org/marco-para-la-integracion-de-la-ia-generativa-en-las-tareas-educativas-v-2-revisada
En este artículo hablaremos de lo que son los agentes educativos, de los diferentes tipos que podemos crear con distintas plataformas y de cómo pueden ayudarnos en el trabajo docente. También veremos ejemplos prácticos centrados en los Gems de Gemini y en los cuadernos de NotebookLM, que permiten configurar asistentes especializados sin necesidad de grandes conocimientos.
Primero definiremos qué es un agente educativo y sus funciones, luego compararemos algunas plataformas que permiten crearlos y, finalmente, veremos cómo hacerlo con Gemini y NotebookLM.
Pódcast del artículo generado con NotebookLM
Qué es un agente educativo
Un agente de IA es un asistente digital personalizado que utiliza inteligencia artificial para realizar tareas, responder preguntas, generar materiales o acompañar procesos de aprendizaje y enseñanza de forma autónoma y adaptada a un propósito concreto.
Qué hace un agente de IA
El agente es un sistema que recibe instrucciones (prompts), interpreta información (por ejemplo, lo que escribe el usuario, documentos o datos) y actúa en consecuencia para cumplir una función específica. No es simplemente un chatbot:
Tiene un rol definido (por ejemplo: “agente para crear situaciones de aprendizaje”).
Mantiene un contexto de trabajo (recuerda instrucciones, documentos, estilo, tono).
Puede producir acciones o productos concretos (por ejemplo: elaborar una rúbrica, proponer actividades, resumir documentos, preparar un examen).
En educación, un agente de IA es una herramienta diseñada para apoyar tareas pedagógicas o de gestión educativa. Se configura con un conjunto de instrucciones, llamadas prompt base, que le permiten desempeñar un rol específico. No se trata solo de responder preguntas, sino de actuar con una finalidad definida y mantener coherencia con la normativa y la práctica docente.
Un ejemplo de prompt base podría ser:
Eres un agente llamado Héctor. Ayudas al profesorado de ESO a diseñar situaciones de aprendizaje siguiendo la LOMLOE. Siempre propones objetivos, competencias específicas, criterios de evaluación y tareas concretas. Respondes en tono formal y claro. Dispones de toda la información en la documentación y fuentes que tienes.
Este prompt puede ser mucho más largo y detallado si la tarea a realizar es compleja. En ocasiones, por ejemplo, en NotebookLM donde el prompt está limitado a 500 caracteres, lo podemos redactar en un documento que suministremos como una fuente más y en el prompt base podemos poner simplemente que su rol y función los debe obtener del archivo prompt.txt (o el nombre que le demos).
Dependiendo de su propósito, un agente puede apoyar distintas fases del trabajo docente. A continuación se muestran algunos ejemplos habituales.
Tipo de agente
Función educativa
Ejemplo práctico
Agente planificador
Ayuda a diseñar situaciones de aprendizaje, secuencias didácticas o proyectos de ABP.
Propone tareas, objetivos y criterios alineados con la LOMLOE.
Agente corrector
Revisa trabajos del alumnado según criterios establecidos.
Evalúa redacciones con rúbricas y ofrece retroalimentación formativa.
Agente documental
Consulta, resume o explica normativa y documentos oficiales.
Explica artículos de decretos curriculares o leyes educativas.
Agente creador de recursos
Genera materiales y actividades didácticas adaptadas a distintos niveles.
Produce fichas, guiones de laboratorio o pódcast educativos.
Agente tutor
Acompaña al alumnado en su proceso de aprendizaje.
Resuelve dudas, propone estrategias de estudio y sugiere ejercicios de refuerzo.
Agentes educativos
Hasta hace poco tiempo no podíamos crear agentes con las versiones gratuitas de las IA, pero en estos momentos podemos crear agentes y compartirlos con cualquier persona con Gemini, Grok y Perplexity. Si son para uso personal, podemos añadir NotebookLM y Le Chat.
La siguiente tabla muestra algunas opciones que nos pueden interesar a la hora de crear nuestro propio agente:
El chat está limitado a 2000 caracteres. Cuando se comparte no se pueden subir archivos. En la versión gratuita no se puede compartir con todos
Bajo número de archivos fuente
No se puede compartir. Razonamiento inferior al resto de modelos
De pago. Con documentación extensa pierde el hilo fácilmente
Bajo número de archivos fuente. Otras posibles limitaciones de uso en las versiones gratuitas
Fortalezas
Se puede compartir con todos. Creatividad
Capaz de mucha información de forma muy eficiente
Se puede compartir con todos. Creatividad
Admite muchas fuentes
Se puede compartir con todos. Creatividad
Se puede compartir con todos
*NotebookLM: cuando hay dos opciones, la primera se refiere a la versión gratuita y la segunda a la versión PRO de pago.
El proceso de creación de un agente es similar en todos los servicios. Básicamente, se necesitan dos tipos de datos, al menos uno de los dos:
Un prompt base que guíe la conducta y el rol del agente.
Uno o más archivos para dotar de información al agente.
Gems de Gemini
En el menú izquierdo seleccionamos la opción Descubrir Gems y pulsamos Nuevo Gem.
En la ventana que saldrá debemos rellenar los diferentes apartados. Los obligatorios son el nombre y las instrucciones.
Gem vacío
En las instrucciones podemos escribir una descripción general de lo que queremos y, después pulsando el botón de la varita mágica, será convertido en un prompt más elaborado con el que obtendremos mejores resultados.
Los conocimientos son archivos que tengamos en el ordenador o bien documentos de Google que podemos enlazar.
Gem listo para su uso
El prompt inicial fue:
Eres un experto de laboratorio que sabes preparar prácticas de biología para primero de ESO didácticas, divertidas y atractivas para los alumnos
Después de usar el botón para mejorar el prompt:
Actúa como un experto de laboratorio especializado en la preparación de prácticas de biología para estudiantes de primero de ESO. Tu objetivo es crear prácticas que sean didácticas, divertidas y atractivas para los alumnos.
Propósito y Metas:
Diseñar y detallar experimentos de biología que cumplan con el currículo de primero de ESO (aproximadamente 12-13 años).
Asegurar que las prácticas sean seguras, de bajo coste y que utilicen materiales fácilmente accesibles.
Fomentar el interés de los estudiantes por la biología mediante actividades interactivas y estimulantes.
Proporcionar instrucciones claras sobre el procedimiento, los objetivos de aprendizaje y los resultados esperados.
Comportamientos y Reglas:
1) Interacción Inicial:
a) Saluda al usuario y preséntate como el ‘Experto en Prácticas de Laboratorio’ para Biología de ESO.
b) Pregunta al usuario sobre el tema específico de biología que desea cubrir (ej. ‘células’, ‘reinos’, ‘plantas’, ‘animales’).
c) Si el usuario no tiene un tema, ofrece una lista de tres posibles temas relevantes para primero de ESO.
2) Diseño de la Práctica:
a) Para cada práctica, especifica: el Título de la Práctica, el Objetivo Didáctico, la Lista de Materiales (con énfasis en lo cotidiano/barato), el Procedimiento Detallado (paso a paso), y las Preguntas de Reflexión/Resultados Esperados.
b) El tono de las instrucciones debe ser motivador y enfocado en la participación activa del estudiante.
c) Asegúrate de incluir consejos de seguridad específicos para cada experimento.
3) Estilo de Comunicación:
a) Utiliza un lenguaje técnico preciso pero adaptado a un contexto educativo, manteniendo un tono entusiasta y accesible.
b) La respuesta debe ser estructurada, utilizando listas y negritas para facilitar la lectura del procedimiento.
c) Concluye cada propuesta con una breve sugerencia sobre cómo evaluar el aprendizaje de los alumnos.
Tono General:
Usa un lenguaje claro, educativo y muy motivador.
Sé experto, meticuloso y creativo en el diseño experimental.
Transmite pasión por la enseñanza de la biología práctica.
Hay que destacar que muchas veces el prompt aparece en inglés, lo cual no interfiere con la funcionalidad del Gem.
Si lo deseamos, podemos incluir hasta 10 documentos en la sección Conocimientos para que el Gem pueda tomar como base de conocimiento.
Una vez es de nuestro gusto, pulsamos Guardar y ya lo podemos probar.
Podremos editar o borrarlo pulsando en los 3 puntos que aparecen a su lado en el menú lateral.
Podemos fijar, editar o eliminar cualquir Gem
Compartir un Gem
Para compartirlo con todos, pulsamos sobre Descubrir Gems y allí encontraremos un botón para compartir. En las cuentas corporativas no se pueden compartir fuera del propio dominio, por lo que si deseamos un Gem accesible por cualquiera, deberemos hacerlo con una cuenta personal.
Para compartir el cuaderno con todos, seleccionamos: Cualquier persona con el enlace (Lector) y copiamos el enlace que podremos proporcionar a otros. Si no lo queremos compartir con todos únicamente pondremos las personas en el cuadro de texto superior.
NotebookLM
NotebookLM de Google es en sí un agente, ya que su misión es consultar los documentos (fuentes) que le añadamos. Estas fuentes pueden ser del propio ordenador o de Google Drive.
NotebookLM destaca por su rigor en la consulta de documentos, siendo capaz de obtener información correcta de documentos extensos allí donde otros fallan.
Además, podemos asignar un prompt que guíe a la IA y lo convierta en un auténtico agente.
Las fuentes se introducen nada más crear el NotebookLM y el prompt lo podemos introducir a través del botón: Configurar cuaderno.
A continuación, pulsamos sobre Personalizado y escribimos el prompt base que, como mucho, podrá tener 500 caracteres.
Con frecuencia este prompt será superior a 500 caracteres. En ese caso creamos una nota con el prompt completo, le damos un nombre descriptivo, la convertimos en fuente (botón en la parte inferior de la nota) y en el prompt base ponemos algo así:
Sigue estrictamente las instrucciones contenidas en la fuente nombre_de_la_fuente_que_contiene_el_prompt. Allí tienes tu rol y las directrices que debes respetar en todo momento. No inventes instrucciones adicionales ni modifiques las indicaciones de la fuente.
Otro de los problemas de NotebookLM es que, si usamos una versión compartida y solo tenemos permiso de lectura (que será lo más habitual), no podemos subir archivos y el texto del chat no puede superar los 2000 caracteres. Esto normalmente no es un problema si hacemos una pregunta o mantenemos una conversación sin añadir más datos. Pero si queremos, por ejemplo, pegar una actividad, un texto largo, etc., nos encontraremos con que no es posible hacerlo. Por este motivo, hemos creado la utilidad Divisor de prompts para NotebookLM, con la que podemos fragmentar textos largos en secuencias de 2000 caracteres y pegarlos en varias tandas. El programa añade instrucciones específicas para que no procese el texto que introducimos hasta llegar al final.
Compartir un cuaderno
Las cuentas corporativas (como las de educación) no permiten compartir fuera del dominio. Para compartir un cuaderno con cualquiera necesitaremos una cuenta personal.
Pulsamos el botón compartir y seleccionamos las opciones que queramos
Si deseamos que todos tengan acceso, hay que seleccionar la opción «Cualquiera con el enlace».
Podemos activar las notas de bienvenida, que es el texto que aparecerá al usuario cuando entre en nuestro cuaderno. En este texto podemos utilizar el formato Markdown para hacer la letra más grande y poner énfasis. Por ejemplo:
#, ##, ###,… Podemos añadir hasta 6 niveles de título, el primero (#) es el más grande. Con esto se puede controlar el tamaño del texto.
**negrita**
*cursiva*
También podemos hacer listas poniendo un guion delante de cada línea o un número para listas numeradas.
Podremos elegir si el usuario tiene acceso al todo el cuaderno o solo al chat (esto último es lo habitual si queremos que actúe como un asistente).
Como dueños del recurso, la URL que nos proporciona el botón «Copiar enlace» no funciona (nos muestra siempre el cuaderno completo con permiso de edición), por lo que deberemos probarlo desde otra cuenta o bien con el botón «Vista previa».
Una cosa que debemos tener en cuenta es que la versión compartida es una versión en vivo, eso quiere decir que cualquier cambio que hagamos se transmite al instante a cualquier usuario que en ese momento utilice nuestro cuaderno.
Los agentes educativos ofrecen a los docentes una nueva forma de automatizar tareas, personalizar apoyos y organizar el trabajo pedagógico. No sustituyen la labor docente, pero amplían nuestras posibilidades. Al poder configurarlos sin conocimientos técnicos, se convierten en una herramienta accesible para cualquier profesor o profesora que quiera incorporar la inteligencia artificial a su práctica diaria.
La incorporación de la inteligencia artificial (IA) en el ámbito educativo representa una oportunidad para ampliar las posibilidades didácticas. Más allá de su papel como asistente de redacción o generador de contenido, los sistemas basados en IA permiten la creación de recursos digitales adaptados a contextos específicos de enseñanza y aprendizaje utilizando únicamente el lenguaje natural.
La elaboración de juegos de preguntas, fichas de lectura interactivas o formularios de repaso puede realizarse actualmente sin conocimientos de programación, únicamente mediante la redacción de instrucciones claras en lenguaje natural, es lo que se llama Vibe Coding (o programación por vibraciones). De este modo, la IA se consolida como un instrumento creativo al servicio del profesorado.
En este artículo hablaremos exclusivamente de la generación de programas a través de los chatbots disponibles de forma gratuita en la web y dejaremos de lado métodos más avanzados que se ejecutan desde el propio ordenador, como la programación mediante consola o versiones CLI de los chatbots.
Si te interesa estar al día, resolver dudas y compartir aplicaciones y conocimientos, apúntate a la comunidad Vibe Coding Educativo.
Paso 1: selección del chatbot o servicio de IA adecuado
Un chatbot de inteligencia artificial puede definirse como un sistema capaz de mantener una interacción conversacional y ejecutar tareas complejas en función de las instrucciones recibidas. Entre las opciones disponibles destacan los siguientes. Todos disponen de canvas, lienzo o visualizador del recurso educativo que estamos creando:
Gemini (Google): con funciones como Canvas que permiten estructurar proyectos completos. https://gemini.google.com
ChatGPT (OpenAI): ampliamente extendido por su versatilidad y facilidad de uso. También dispone de canvas o lienzo. https://chat.openai.com
Qwen (Alibaba): orientado a la generación de código y con herramientas específicas de desarrollo web. Utiliza un canvas. https://qwen.ai
Claude (Anthropic): reconocido por su claridad en la explicación de procesos y capacidad de depuración. Para la programación utiliza artefactos que no son editables por el usuario, es decir, donde no podemos editar directamente el código generado. https://claude.ai
Deepseek: con un enfoque técnico que también resulta útil en entornos educativos. Como Claude, no puede modificarse el resultado mediante edición directa. https://deepseek.com
Además de los chatbots, se pueden utilizar plataformas que ofrecen la posibilidad de programar, aunque su enfoque es diferente.
Canva Pro: herramienta de diseño gráfico, gratuita para docentes, que permite crear presentaciones, infografías y materiales visuales de apoyo. https://www.canva.com/education
Lovable: servicio especializado en creación de aplicaciones y prototipos mediante IA. https://lovable.dev
Websim: plataforma para generar y simular páginas web a partir de instrucciones en lenguaje natural. https://websim.ai
La elección de las versiones más avanzadas, como por ejemplo Gemini 2.5 Pro o ChatGPT con el modo pensamiento activado, facilita la creación de aplicaciones educativas gracias a su mayor capacidad de generación y corrección de código. Si hay una opción de «pensar» o «razonar» deberemos marcarla.
Paso 2: inicio del proceso de creación
Para garantizar la correcta producción de recursos, es necesario activar las funciones de programación que cada chatbot ofrece.
En el caso de Gemini y ChatGPT, la función Canvas (lienzo) organiza el trabajo en un entorno que permite generar, revisar y editar código. Qwen, por su parte, dispone de la opción desarrollo web, con la que se preparan estructuras en HTML, CSS o JavaScript (HTML se utiliza para estructurar el contenido de una página web, CSS para definir su aspecto visual y JavaScript para añadir interactividad). Cuando creamos un programa simple con un chatbot, estos tres elementos ya van incorporados dentro del código generado.
Este tipo de funciones operan como un “taller digital” en el que la IA recibe las herramientas necesarias para elaborar materiales educativos adaptados a las necesidades planteadas.
Paso 3: comunicación con la IA: transformar ideas en realidad mediante prompts sencillos
La forma de crear un recurso educativo es mediante lenguaje natural, explicando con el máximo detalle posible lo que deseamos. Conviene indicar siempre que sea una aplicación en HTML, de este modo no nos creará programas en Python y otros lenguajes de programación que no nos servirían para compartir en la web.
De forma opcional, pero recomendable en muchos casos, podemos también indicar:
Que sea responsiva. Es decir, que se adapte a todo tipo de dispositivos (típicamente ordenadores, tablets y móviles).
De cara a la creación de los prompts podemos utilizar dos enfoques. La primera es cuando sabemos lo que queremos, pero no cómo lo queremos. Por ejemplo:
Crear una página HTML con un formulario básico para que los alumnos ingresen su nombre y respondan tres preguntas sobre el sistema solar.
Generar un programa en HTML para un mini-juego de adivinar animales con pistas.
Diseñar una plantilla HTML para una ficha de lectura con campos para título, autor y resumen.
Prompt: Diseñar una plantilla HTML para una ficha de lectura con campos para título, autor y resumen. Hecho con Gemini 2.5 Pro. Su funcionalidad es limitada ya que no se puede guardar el resultado.
El segundo enfoque es especificar detalles que ya tengamos pensados o que queremos incorporar después de una conversación previa con la IA. Por ejemplo:
Crea una aplicación de una sola página para gestionar fichas de lectura. Necesito que tenga las siguientes características:
Un formulario para introducir título, autor y resumen.
Que los datos se guarden localmente en el navegador.
Una tabla que muestre todas las fichas guardadas.
Botones para poder editar y borrar cada ficha de forma individual.
Exportar todas las fichas a un archivo CSV.
Un botón para borrar todas las fichas guardadas, con un aviso de confirmación.»
Pocas veces llegaremos al resultado deseado a la primera, por lo que deberemos decirle en cada interacción aquello que deseamos modificar hasta obtener el resultado deseado. Conviene ir guardando copias intermedias por si acabamos estropeando el programa. Una forma de hacerlo es compartirlo y guardar la URL que nos llevará siempre a esa versión concreta.
Características adicionales de canvas y visores integrados
Es importante remarcar que los programas que hagamos a través de los chatbots, en principio, tienen una serie de limitaciones:
Excepto en Deepseek, en el resto tenemos un botón para compartir el resultado (que Qwen llama desplegar) para poder compartir lo que hemos hecho y que sea visible para los demás.
En todos ellos, si queremos visualizar el resultado en el mismo chatbot, nos tenemos que limitar a un único archivo HTML. Esto ya lo tienen en cuenta los propios chatbots, que siempre nos ofrecerán un documento con todo lo necesario en su interior. No obstante, esto limita su aplicación en proyectos más complicados. Para proyectos complejos, una vez se dominen los chatbots, recomendamos el uso de las versiones de terminal de las IA (ver Guía básica para usar la inteligencia artificial desde la terminal).
Todos tienen medidas de seguridad que impiden la ejecución de determinado tipo de código. Por ejemplo, la opción de guardar datos en el propio navegador no funciona nunca dentro de los visores integrados, por lo que no pueden recordar datos. En estos casos no quedará más remedio que pasarlo a una plataforma externa como GitHub. Ver GitHub para alojar recursos educativos abiertos (REA) y presentarlos en formato web.
Canvas de Gemini:
Los programas de Gemini que incluyan inteligencia artificial solo podrán funcionar desde el propio entorno de Gemini. Deberemos tener en cuenta si los alumnos de nuestro centro los podrán usar (normalmente las cuentas educativas no lo permiten).
Las cuentas educativas no tienen la opción de compartir. Por lo tanto, la recomendación es utilizar siempre cuentas personales para crear los programas o nos encontraremos con un programa que solo podremos utilizar nosotros (a no ser que lo subamos a un servicio como GitHub).
Las aplicaciones que hayamos compartido a partir del canvas en Gemini, ChatGPT y Claude podrán ser modificadas pulsando el botón para hacer copia que llevan integrado. De este modo podemos adaptar cualquier aplicación compartida según nuestras necesidades. Qwen permite compartir el recurso con otros usuarios, pero no les deja modificarlo.
Particularidades del canvas de Gemini
El canvas de Gemini tiene dos características únicas de las que merece la pena citar, aunque sea brevemente. Son la posibilidad de incorporar inteligencia artificial a nuestros productos y la herramienta gráfica para seleccionar sobre el propio recurso y pedir modificaciones.
Añadir características de IA a nuestro recurso
En Gemini podemos añadir IA a nuestra propia aplicación para hacerla inteligente. Deberemos tener en cuenta varios aspectos importantes:
La aplicación solo funcionará dentro de Gemini, es decir, utilizando el botón compartir y proporcionando a los alumnos el enlace. No podríamos ponerla en Moodle, GitHub o nuestra página personal.
Las versiones corporativas (educativas) no permiten compartir los recursos creados, por lo que es obligatorio hacerlo desde una cuenta personal.
Las funciones de Gemini suelen estar desactivadas para el alumnado, por lo que debemos asegurarnos que pueden usar Gemini con las cuentas de centro o, en su defecto, deberán utilizar cuentas personales.
Una vez tenemos claro lo anterior, al crear un recurso educativo, en la parte inferior derecha veremos una pequeña barra de herramientas:
Presentación creada por Gemini con el prompt: «Crea una presentación HTML que explique mediante fichas el concepto evolutivo actual a alumnos de 4º de ESO». El botón señalado añadirá opciones de intelegencia artificial. Pulsa sobre la imagen para acceder.
Al pulsar el botón para añadir IA, nos aparecerán funciones inteligentes decididas por el mismo Gemini.
Presentación con funciones inteligentes determinadas por Gemini. Pulsa sobre la imagen para acceder.
Si no nos convence lo que acaba de hacer, podemos pulsar el botón «Versión anterior» para deshacer los cambios.
No es necesario pulsar el botón de IA para añadirla a nuestra aplicación, también le podemos indicar lo que queremos exactamente en el prompt inicial o más tarde, una vez tengamos la aplicación hecha. Por ejemplo, si a la versión que todavía no tiene IA le indicamos: Añade en cada ficha un cuadro de texto para que los alumnos puedan hacer preguntas a la IA y ampliar la información. El resultado será:
Cada ficha dispone de un espacio para escribir con el que el alumnado podrá hacer preguntas. Pulsa sobre la imagen para acceder
Herramienta para editar gráficamente el recurso
Recientemente, se ha añadido un botón que permite seleccionar una parte de la aplicación generada para pedirle a Gemini que cambie cualquier aspecto del contenido que tenemos en pantalla.
Al pulsarla, podemos seleccionar cualquier parte de la pantalla y decirle qué cambios queremos, por ejemplo, que modifique el título:
Podemos seleccionar cualquier área y pedirle a Gemini modificaciones.
Paso 4: manejo de errores: identificación y solución
La aparición de errores forma parte habitual del proceso de generación de código. Este procedimiento de corrección recibe el nombre de depuración.
Los chatbots como Gemini, ChatGPT o Claude suelen ofrecer mecanismos de autocorrección y sugerencias para resolver fallos detectados. Ante un error, resulta recomendable interpretar el mensaje generado, solicitar a la IA una revisión del código.
Aparte de los mecanismos de autocorrección, una forma que muchas veces resulta útil es copiar el contenido a un archivo HTML, utilizando el bloc de notas o programa similar de texto (nunca Word o LibreOffice)
Paso 5: consulta con otro chatbot para errores persistentes
Cuando un error no se resuelve de forma satisfactoria, es posible recurrir a otro sistema de IA como apoyo complementario. El procedimiento consiste en trasladar el código con el fallo al nuevo chatbot, recibir una propuesta de solución y, posteriormente, proporcionar las correcciones indicadas a nuestra IA para que las ponga en práctica.
Esta estrategia se asemeja a la colaboración entre colegas: diferentes perspectivas contribuyen a encontrar soluciones más eficaces.
Paso 6: publicación de la creación: compartir la aplicación educativa con alumnos
Una vez finalizado el recurso, existen varias opciones para su difusión:
Opción A (inmediata): compartir el proyecto y ejecutarlo directamente desde la plataforma de IA utilizada. Esta opción es obligatoria si nuestra app de Gemini utiliza en su interior la IA.
Opción B (directa): guardar el archivo en formato HTML y abrirlo en un navegador web. Este archivo puede compartirse a través de plataformas educativas o entornos digitales de aprendizaje.
Muy versátil y sencillo para generar, editar y compartir desde un lienzo.
Los diseños que genera son pobres y simples.
Útil para continuar programas ya empezados por otros o para corregir errores, pero poco recomendable para iniciar proyectos desde cero debido a sus diseños básicos.
Visor integrado útil para revisar y validar código con enfoque técnico.
No ofrece botón de compartir ni edición en el visor.
Como apoyo técnico para revisar soluciones, más que para crear y distribuir recursos finales desde el visor.
Conclusión: integración de la IA en el aula para el futuro de la educación
La inteligencia artificial se presenta como una herramienta transformadora en la práctica docente, al posibilitar la creación de recursos personalizados sin necesidad de programación. Su valor radica en la capacidad de adaptar materiales al contexto de aprendizaje y potenciar la creatividad en el diseño de actividades educativas.
El desarrollo responsable y ético de estas tecnologías constituye un aspecto esencial. Al integrarse en el aula, la IA no solo amplía las metodologías disponibles, sino que también proyecta una visión de futuro en la que la innovación y la enseñanza avanzan de manera conjunta.
1. ¿Qué es el «Vibe Coding» y cómo facilita la creación de herramientas educativas con IA?
El «Vibe Coding» o programación por vibraciones es la capacidad de crear recursos digitales mediante la redacción de instrucciones claras en lenguaje natural, sin necesidad de conocimientos de programación. En el ámbito educativo, esto permite a los docentes diseñar juegos de preguntas, fichas de lectura interactivas o formularios de repaso de forma sencilla, utilizando chatbots de IA. La IA se convierte así en un instrumento creativo al servicio del profesorado, transformando ideas didácticas en aplicaciones funcionales.
2. ¿Cuáles son los chatbots de IA recomendados para docentes que buscan crear herramientas educativas y qué ofrecen?
Existen varios chatbots de IA útiles para docentes, cada uno con características particulares:
Gemini (Google): Ofrece funciones como Canvas para estructurar proyectos completos y la posibilidad de añadir inteligencia artificial a las aplicaciones creadas, aunque las apps con IA solo funcionan dentro de Gemini y las cuentas educativas no permiten compartir.
ChatGPT (OpenAI): Ampliamente extendido por su versatilidad y facilidad de uso con un lienzo integrado para generar, editar y compartir, aunque sus diseños suelen ser básicos.
Qwen (Alibaba): Orientado a la generación de código con una opción de «desarrollo web» y un visor integrado, pero no permite que otros modifiquen los recursos compartidos.
Claude (Anthropic): Destaca por su claridad en la explicación de procesos y capacidad de depuración, con diseños más elegantes, pero no permite la edición directa del código generado.
Deepseek: Con un enfoque técnico, útil para revisar y validar código con un visor integrado, aunque no ofrece botón de compartir ni edición en el visor.
Además de los chatbots, plataformas como Canva Pro (diseño gráfico), Lovable (creación de apps y prototipos) y Websim (simulación de páginas web) también pueden ser de utilidad.
3. ¿Qué pasos básicos debe seguir un docente para crear un recurso educativo con IA utilizando un chatbot?
El proceso de creación de recursos educativos con IA se resume en los siguientes pasos:
Selección del chatbot o servicio de IA: Elegir la herramienta más adecuada según las necesidades, como Gemini, ChatGPT, Qwen, Claude o Deepseek, considerando sus funcionalidades de Canvas o visualizador.
Inicio del proceso de creación: Activar las funciones de programación del chatbot (como Canvas en Gemini y ChatGPT, o la opción de desarrollo web en Qwen).
Comunicación con la IA mediante prompts: Redactar instrucciones claras y detalladas en lenguaje natural, especificando siempre que se desea una aplicación en HTML y, opcionalmente, que sea responsiva y con una licencia de uso. Se puede partir de una idea general o especificar detalles concretos.
Manejo de errores (depuración): Interpretar los mensajes de error, solicitar a la IA una revisión del código o copiar el contenido a un archivo HTML para revisar.
Consulta con otro chatbot (si los errores persisten): Trasladar el código con el fallo a un segundo chatbot para obtener una propuesta de solución y aplicarla en la IA original.
Publicación de la creación: Compartir el proyecto directamente desde la plataforma de IA, guardar el archivo HTML para abrirlo en un navegador, o usar plataformas de almacenamiento y difusión como GitHub.
4. ¿Qué son los «prompts» y cómo se utilizan eficazmente para generar herramientas educativas con IA?
Los «prompts» son las instrucciones que el usuario da a la IA en lenguaje natural para que genere un determinado recurso. Para utilizarlos eficazmente en la creación de herramientas educativas, es crucial:
Ser lo más detallado posible: Explicar con precisión lo que se desea que la IA cree.
Especificar el formato HTML: Es importante indicar que se quiere una aplicación en HTML para asegurar que el programa sea compartible en la web y no se generen códigos en otros lenguajes.
Indicar características opcionales: Recomendar que la aplicación sea «responsiva» (adaptable a diferentes dispositivos) y, si se desea, la licencia de uso.
Existen dos enfoques principales para los prompts:
Ideas generales: «Crear una página HTML con un formulario básico para alumnos…»
Especificar detalles concretos: «Crea una aplicación de una sola página para gestionar fichas de lectura con un formulario, guardado local, tabla de fichas, botones de edición/borrado y exportación a CSV.»
5. ¿Qué limitaciones tienen los programas creados con chatbots de IA para docentes y cómo se pueden abordar?
Los programas creados directamente con chatbots de IA, especialmente en sus visores integrados, presentan algunas limitaciones:
Un solo archivo HTML: Generalmente, se limitan a un único archivo HTML, lo que restringe su aplicación en proyectos más complejos. Para estos, se recomienda el uso de versiones de terminal de la IA.
Medidas de seguridad: Impiden la ejecución de cierto tipo de código, como guardar datos en el propio navegador, lo que significa que no pueden recordar información. Para guardar datos de forma persistente, es necesario trasladar el proyecto a plataformas externas como GitHub.
Funcionalidades de IA en Gemini: Si una aplicación de Gemini incluye IA, solo funcionará dentro del entorno de Gemini y no podrá ser compartida desde cuentas educativas, requiriendo el uso de cuentas personales.
Edición de recursos compartidos: Mientras que Gemini, ChatGPT y Claude permiten hacer una copia y modificar aplicaciones compartidas, Qwen permite compartir pero no editar el recurso por otros usuarios.
Para abordar estas limitaciones, se sugiere utilizar plataformas externas para proyectos complejos o para guardar datos, y considerar las particularidades de cada chatbot al momento de la creación y difusión.
6. ¿Cómo se puede integrar la inteligencia artificial directamente en una aplicación educativa creada con Gemini?
Gemini ofrece la posibilidad de añadir características de IA a una aplicación educativa, lo que la hace «inteligente». Para lograrlo, se deben considerar algunos aspectos importantes:
Funciona solo dentro de Gemini: La aplicación solo funcionará y podrá ser utilizada dentro del entorno de Gemini, mediante el enlace compartido. No se podrá integrar en otras plataformas como Moodle o GitHub.
Cuentas personales: Es obligatorio crear y compartir estos recursos desde una cuenta personal, ya que las versiones corporativas o educativas no permiten compartir aplicaciones con funciones de IA.
Disponibilidad para el alumnado: Hay que asegurarse de que los alumnos puedan usar Gemini con sus cuentas de centro o, si no es posible, deberán usar cuentas personales para interactuar con la aplicación.
Una vez que se tiene claro lo anterior, al crear el recurso, se puede pulsar un botón específico en la barra de herramientas inferior derecha para añadir opciones de IA que Gemini determine. Alternativamente, se puede indicar directamente en el prompt inicial o en interacciones posteriores qué funciones inteligentes se desean, por ejemplo: «Añade en cada ficha un cuadro de texto para que los alumnos puedan hacer preguntas a la IA y ampliar la información.»
7. ¿Qué opciones de publicación y difusión existen para las aplicaciones educativas creadas con IA?
Una vez finalizado el recurso educativo, hay varias opciones para su difusión, dependiendo de las necesidades y características de la aplicación:
Opción A (inmediata): Compartir el proyecto directamente desde la plataforma de IA utilizada. Esta es la opción obligatoria si la aplicación de Gemini utiliza funciones de IA internas.
Opción B (directa): Guardar el archivo generado en formato HTML y abrirlo en un navegador web. Este archivo puede compartirse fácilmente a través de plataformas educativas o entornos digitales de aprendizaje.
Opción C (avanzada): Utilizar espacios de almacenamiento y difusión como GitHub, que permiten compartir proyectos con un alcance mayor, especialmente útil para recursos educativos abiertos (REA) y para alojar aplicaciones más complejas que requieren guardar datos o múltiples archivos.
Además, se menciona la posibilidad de publicarlo en otros lugares como Google Sites o Moodle, para lo cual se recomienda consultar la página «Dónde publicar las aplicaciones».
8. ¿Qué estrategias de depuración o resolución de errores se recomiendan al crear código con chatbots de IA?
La aparición de errores es una parte normal del proceso de generación de código con IA. Para manejarlos eficazmente, se recomiendan las siguientes estrategias:
Interpretación del mensaje de error: Los chatbots como Gemini, ChatGPT o Claude suelen ofrecer mensajes claros que explican el error. Es fundamental leerlos y comprenderlos.
Solicitar revisión a la IA: Pedir a la propia IA que revise el código y sugiera soluciones para el fallo detectado.
Copiar el contenido a un archivo HTML externo: Una técnica útil es copiar el código generado a un archivo HTML simple usando un bloc de notas (nunca programas de procesamiento de texto como Word o LibreOffice). Esto permite una revisión manual más sencilla.
Consulta con otro chatbot: Si un error persiste y no se resuelve satisfactoriamente, se puede recurrir a un segundo sistema de IA. El procedimiento consiste en trasladar el código con el fallo a este nuevo chatbot para que proponga una solución, la cual luego se aplica en la IA original. Esta estrategia aprovecha diferentes perspectivas para una depuración más eficaz.
Como docente que crea materiales digitales, todo lo que produces está automáticamente protegido por derechos de autor. Sin una licencia clara, nadie puede usar legalmente tus creaciones, ni siquiera otros profesores de tu centro.
Las licencias libres son tu manera de decir: «Puedes usar esto, pero bajo estas condiciones».
Dos tipos de creaciones, dos tipos de licencias
En tus proyectos educativos mezclas dos cosas diferentes que necesitan licencias distintas:
Código (la parte técnica)
Todo lo que hace que funcione tu creación digital:
Una aplicación web para que los alumnos practiquen matemáticas.
Un formulario automático que califica ejercicios.
Una plantilla de Moodle personalizada.
Un script que genera gráficas automáticamente.
Contenidos (la parte educativa)
El material didáctico que creates:
Los textos explicativos de la aplicación.
Las actividades y ejercicios.
Los vídeos tutoriales.
Las imágenes y diagramas.
Las rúbricas de evaluación.
¿Por qué licencias diferentes? Porque el código necesita permisos especiales (ejecutar, compilar, redistribuir) que no tienen sentido para un texto o una imagen.
Licencias para contenidos educativos (lo más importante para ti)
CC BY-SA – Atribución + compartir igual
Qué significa: «Úsalo libremente, menciona mi autoría, y si lo modificas, compártelo con la misma licencia».
Ejemplo práctico: Tu infografía del sistema solar puede ser mejorada por otros, pero deben compartir esa versión mejorada con la misma libertad.
Ventaja: Garantiza que las mejoras vuelvan a la comunidad docente. Alineación: Coherente con los principios de participación activa y colaboración.
CC BY – Atribución simple
Qué significa: «Úsalo libremente, solo menciona que soy el autor».
Ejemplo práctico: Creas una infografía sobre el sistema solar. Cualquier profesor puede usarla, modificarla o incluirla en un libro, solo debe poner tu nombre.
Ventaja: Máxima difusión de tu trabajo. Inconveniente: Alguien podría cerrar las mejoras sin compartirlas.
CC BY-NC-SA – Con restricción comercial
Qué significa: Lo mismo que BY-SA, pero prohíbe usos comerciales.
Problema: «Comercial» genera dudas. ¿Puede usarlo un centro privado? ¿En una plataforma con publicidad? ¿En un curso que cobra matrícula? Por eso muchas instituciones la evitan.
Recomendación: Mejor evitar «NC» para no limitar usos educativos legítimos.
Licencias para código (si creas aplicaciones o herramientas)
AGPL v3 – Garantiza reciprocidad también en la web
Qué significa: «Si usas mi código para ofrecer un servicio a través de una red (por ejemplo, una aplicación educativa en un servidor web), debes compartir también las modificaciones con la misma licencia».
Ejemplo práctico: Creas una aplicación web para practicar matemáticas. Si alguien la mejora y la ofrece a sus alumnos desde su propio servidor, debe publicar esas mejoras.
Ventaja: Asegura que las mejoras vuelvan a la comunidad incluso cuando el código no se redistribuye directamente, sino que se usa como servicio online.
Alineación: Refuerza la filosofía de conocimiento abierto en el contexto actual, donde muchas aplicaciones educativas se ofrecen como páginas web.
MPL 2.0 – Copyleft moderado
Qué significa: «Si modificas estos archivos específicos, debes compartir esas modificaciones, pero puedes combinar con código cerrado».
Ejemplo práctico: Si mejoras tu calculadora web, solo debes compartir los archivos que modificaste, no todo el proyecto.
Ventaja: Equilibrio entre reciprocidad y flexibilidad de integración. Alineación: Copyleft parcial, menos restrictivo que AGPL v3.
Apache 2.0 – Máxima adopción, sin reciprocidad
Qué significa: «Usa este código como quieras, pero si contribuyes, no podrás demandarme por patentes después».
Importante: NO obliga a compartir mejoras. Permite que otros cierren las modificaciones.
Ventaja: Muy compatible con proyectos institucionales y comerciales. Inconveniente: Las mejoras pueden no volver a la comunidad.
MIT – Simple pero sin protecciones
Qué significa: «Usa este código como quieras, solo menciona mi autoría».
Limitaciones: No protege contra patentes ni garantiza reciprocidad.
Tablas comparativas
Licencias de código: enfoque en reciprocidad
Licencia
Garantiza retorno a la comunidad
Filosofía
Apreciación educativa
AGPL v3
✅ Sí, total (incluye uso en red)
Conocimiento abierto en la web
Recomendada para apps educativas ofrecidas como páginas web, asegura que las mejoras se compartan aunque no haya redistribución del código
MPL 2.0
✅ Sí, parcial
Copyleft moderado
Adecuada para colaboración entre docentes, equilibrando retorno y flexibilidad
Apache 2.0
❌ No
Adopción sin barreras
Útil para instituciones que buscan adopción amplia sin exigir retorno obligatorio
MIT
❌ No
Simplicidad máxima
Muy práctica para docentes que desean difundir recursos sin condiciones
Para: Proyectos alineados con el conocimiento abierto y la participación activa. Asegura que las mejoras vuelvan a la comunidad educativa.
Para máxima adopción institucional
Contenidos: CC BY
Código: Apache 2.0
Para: Cuando priorizas que tu trabajo se use ampliamente, incluso si las mejoras no regresan.
Opción intermedia
Contenidos: CC BY-SA
Código: MPL 2.0
Para: Copyleft moderado en código (solo archivos modificados deben compartirse) con reciprocidad total en contenidos. Más flexible para integraciones institucionales que AGPL v3.
Casos prácticos para docentes
Caso 1: App de ejercicios de matemáticas
Tu creación: Una aplicación web donde los alumnos resuelven ecuaciones. Licencias:
Código de la aplicación → AGPL v3
Ejercicios y explicaciones → CC BY-SA
Caso 2: Presentación interactiva
Tu creación: Una presentación con animaciones en JavaScript. Licencias:
Scripts de animación → AGPL v3
Contenido de las diapositivas → CC BY-SA
Caso 3: Material imprimible
Tu creación: Fichas de trabajo en PDF. Licencia: Solo CC BY-SA (no hay código)
Preguntas frecuentes de docentes
P: ¿Puedo ganar dinero vendiendo material con CC BY-SA? R: Sí, puedes vender tu trabajo. CC BY-SA no prohíbe ganar dinero, solo obliga a mantener la misma licencia en las modificaciones.
P: ¿Qué pasa si uso imágenes de Internet en mis materiales? R: Debes respetar la licencia de cada imagen. Usa bancos de imágenes con licencias claras como Unsplash (tipo CC BY) o Pixabay.
P: ¿Es obligatorio poner licencias? R: No es obligatorio, pero sin licencia nadie puede usar legalmente tu trabajo. Si quieres que se comparta, pon licencia.
P: ¿AGPL v3 limita la adopción de mi código? R: Puede limitarla en entornos que prefieren cerrar sus modificaciones, pero garantiza que las mejoras vuelvan a la comunidad educativa. Es una decisión de valores: ¿prefieres máxima adopción o reciprocidad?
P: ¿Puedo cambiar la licencia de un material que he creado o adaptado?R: Depende del origen del material. Si es tu trabajo original, puedes cambiar la licencia para versiones futuras, pero las ya publicadas mantienen su licencia. Si has adaptado trabajo de otros, debes respetar la licencia original: adaptar material CC BY-SA obliga a que tu versión sea CC BY-SA también.
P: ¿Qué licencia debo elegir en GitHub si mi repositorio incluye código y materiales educativos?R: Lo más claro es no seleccionar ninguna licencia en el asistente de GitHub. Después, en tu repositorio:
Cómo aplicar las licencias
Para contenidos educativos (Creative Commons u otras):
Añade en la página principal o en un lugar destacado de tu proyecto un texto claro indicando la licencia elegida (por ejemplo: «Esta obra está bajo licencia [nombre de la licencia]»).
Incluye el enlace oficial a la licencia correspondiente.
Si es posible, acompáñalo con el icono oficial de la licencia (Creative Commons, etc.).
Para código (AGPL, Apache, MIT, MPL u otras):
Añade en la misma página principal o en un lugar destacado de tu proyecto una mención clara a la licencia elegida para el código, junto con el enlace oficial.
Incluye el archivo LICENSE.txt con el texto completo de la licencia.
Añade una nota breve al inicio de cada archivo de código indicando la licencia.
Menciona la licencia también en la documentación del proyecto.
Recomendación final
Para docentes comprometidos con el conocimiento abierto y la reciprocidad:
Contenidos educativos: CC BY-SA 4.0
Código: AGPL v3
Esta combinación garantiza que tu trabajo y las mejoras que otros hagan permanezcan abiertas para toda la comunidad educativa, fomentando la participación activa y la colaboración.
Generador de licencias para recursos educativos abiertos (REA)
Aquí tienes una utilidad con la que puedes elegir las licencias que quieres. Obtendrás un texto que puede ser pegado en un documento de texto, un prompt que puedes usar para que la IA cree automáticamente las licencias de uso y un bloque HTML que puedes pegar directamente en una página web.
Las consolas o terminales CLI de la IA son programas de línea de comandos que permiten conversar y trabajar con modelos de inteligencia artificial directamente en el ordenador. En la primera parte de esta guía expliqué con más detalle lo que son, cómo se instalan y su uso básico, por lo que allí podrás encontrar esta información elemental.
Consola de Qwen, también nos referiremos a las consolas como terminales o CLI.
¿Por qué usar la versión CLI?
Las versiones CLI, Command Line Interface, que significa Interfaz de Línea de Comandos, nos permiten trabajar directamente en nuestro ordenador sin depender de una página web, lo que amplía las posibilidades de uso.
Por ejemplo, podemos hacer operaciones masivas como renombrar muchos archivos de una sola vez, cambiar la resolución de una carpeta con fotos o pedirle que extraiga el texto de un vídeo.
Según lo que hagamos, el chat web está limitado a utilizar un único archivo. Si hacemos recursos educativos multimedia como páginas web o programas en HTML, la versión CLI de la IA trabaja directamente con los archivos que tenemos en una carpeta (imágenes, audios, páginas web, etc) sin necesidad de subirlos al chat web, que además no puede mostrar la previsualización si hay más de un archivo. Por este motivo, las versiones CLI no tienen problema en trabajar con docenas de archivos, los irán leyendo según convenga.
Incremento de la potencia de la IA debido al uso de programas que hacen sobre la marcha para responder algunas de nuestras peticiones. ChatGPT y Claude pueden hacer programas (o archivos de instrucciones) para respondernos en el chat web, sin embargo, ni Gemini ni Qwen tienen esa capacidad, por lo que siempre que les pidamos algo que requiera el uso de un programa (como un cálculo preciso o complicado) nos darán resultados erróneos asegurando que es correcto. Sin embargo, todas las versiones CLI usan mecanismos adicionales (scripts auxiliares) cuando lo necesitan, especialmente para operaciones con archivos, cálculos o automatizaciones, por lo que en el caso de Gemini y Qwen la mejora es más que notable.
¿Es gratuito?
Gemini y Qwen sí, Codex (de ChatGPT) y Claude requieren una versión de pago. Los límites de uso pueden verse en el artículo indicado antes.
La memoria de la IA: archivos de instrucciones
Estos archivos nos permiten dotar de memoria a la IA cuando se inician con los datos que nos interesen, por lo que nos permiten darles conocimiento extra. Es similar a la personalización de las respuestas que encontramos en los chatbots de la web.
Todas las consolas usan la misma estructura para guardar datos de interés que pueden ser añadidos por la propia IA o por el usuario. Son archivos de texto en formato Markdown.
Cuando se inicia una versión CLI de una IA, esta busca siempre dos archivos de configuración: el primero, con instrucciones generales, se encuentra en la carpeta propia de la IA; el segundo, con el mismo nombre, se localiza en la carpeta actual (desde donde abrimos la consola). Tanto el nombre del archivo como la ubicación de la carpeta de configuración varían según la IA utilizada
En la carpeta configuración es posible que no encontremos el archivo .md de instrucciones, pero lo podemos crear en cualquier momento y añadir lo que queramos que la IA sepa. Por ejemplo, podemos agregar:
Nuestro nombre, para que se dirija a nosotros con él.
Nuestro trabajo y asignaturas que impartimos para que enfoque lo que hace en el sentido que nos interesa.
Aspectos que queremos que siempre tenga en cuenta, por ejemplo: que cuando haga un programa ponga siempre un tipo de licencia de uso.
Y cualquier otro aspecto que queremos que la IA conozca cuando la iniciamos.
En la carpeta de trabajo, que es desde la que hemos arrancado la consola, también podemos crear un archivo de instrucciones relativas al proyecto concreto en el que estamos trabajando. Por ejemplo, si usamos GitHub, que cada vez que haga un cambio importante lo suba a la web y cualquier otra instrucción que queramos.
En ambos casos, nos podemos encontrar que el archivo de configuración ya existe porque la IA lo usa para recordar lo que considera importante. No obstante, eso no es ningún problema y podemos añadir nuestras instrucciones al principio o al final.
Al iniciar la consola CLI nos indica si ha leído alguno de los archivos de configuración. En este caso muestra 2 ya que ha leído el general que está en .gemini y el que está en la carpeta actual.
Cómo saber qué versión de LLM está usando la consola
En Gemini y Qwen, una vez hemos entrado, escribiremos /about y obtendremos algo como esto:
En Codex y Claude, escribiremos /status. En Claude también podemos escribir simplemente /model.
/status en Codex
Cambiar el modelo LLM que usará CLI
Cambiar el modelo es útil para aprovechar mejor los límites que tiene cada IA, ya que con modelos inferiores el gasto en tokens será mucho menor y podremos alargar mucho más las conversaciones, aunque hay que decir que los límites suelen ser generosos (véase: Consolas de IA: usar Gemini, ChatGPT, Claude y Qwen desde el ordenador)
Cuando ponemos en marcha la consola de una IA, empieza con un modelo LLM predeterminado. Por ejemplo, en Gemini CLI se usará el modelo más alto: 2.5 Pro.
ChatGPT. Podemos cambiar el modelo una vez comenzada la conversación escribiendo /model. Nos dará varios modelos para elegir.
Gemini. No es posible cambiar el modelo desde la propia conversación y debemos hacerlo al invocar al programa. En el momento de escribir esto (pero cambiará con toda seguridad dentro de poco) los modelos disponibles son:
gemini-2.5-pro
gemini-2.5-flash
gemini-2.5-flash-lite
gemini-2.0-flash
gemini-2.0-flash-lite
gemini-1.5-flash
Iniciaremos Gemini con la instrucción gemini -m modelo, por ejemplo:
gemini -m gemini-2.5-flash
En Qwen y Claude, en principio no hay opción para cambiar el modelo.
Algunos comandos útiles
Iniciar la consola con un prompt
Podemos hacer que la consola nos muestre, nada más iniciarla, la respuesta a un prompt:
Gemini y Qwen
Se añade -i y el prompt entre comillas, por ejemplo:
qwen -i "Lee el contenido de los archivos .txt de esta carpeta y dime qué contienen"
gemini -i "Lee el contenido de los archivos .txt de esta carpeta y dime qué contienen"
Codex y Claude
Se escribe directamente el prompt entre comillas:
codex "Lee el contenido de los archivos .txt de esta carpeta y dime qué contienen"
claude "Lee el contenido de los archivos .txt de esta carpeta y dime qué contienen"
Iniciar la consola con un prompt que se ejecutará al momento en Claude
Usar la IA sin llegar a abrir su consola:
Se puede ejecutar un prompt directamente en el terminal del sistema operativo, sin llegar a abrir la consola CLI de IA,
Gemini, Qwen y Claude
Hay que añadir -p y entre comillas el prompt:
qwen -p "prompt"
gemini -p "prompt"
claude -p "prompt"
qwen -p «dame una lista de los archivos de esta carpeta agrupándolos según su contenido»
Si deseamos más comandos de inicio de este tipo, añadiremos -h, por ejemplo: qwen -h.
Codex
Codex funciona de manera distinta en este aspecto. Si la carpeta desde la que lo ejecutamos es un repositorio Git (un proyecto gestionado con Git, el sistema más usado para guardar el historial de cambios y versiones de archivos), el comando será: codex exec "prompt".
Por ejemplo: codex exec "Hola, escribe un haiku sobre tortugas".
Si la carpeta no es un repositorio Git, el mismo codex nos dirá que es necesario añadir --skip-git-repo-check:
codex exec "Hola, escribe un haiku sobre tortugas"--skip-git-regpo-check
Si queremos, podemos convertir momentáneamente cualquier carpeta en una carpeta Git, escribiendo en el terminal del sistema: git init, luego podemos eliminar su efecto borrando la carpeta .git que se ha creado.
Comandos útiles en el CLI
Una vez iniciada la terminal CLI, podemos usar los siguientes comandos:
/, al escribir una barra diagonal, aparecerá la lista completa de comandos con una breve descripción. Podemos movernos con las flechas arriba y abajo para seleccionar uno.
/help proporciona ayuda sobre los comandos disponibles, funciona con Gemini, Qwen y Claude.
/init para que la IA examine la carpeta actual y cree el archivo de configuración (.md) con una descripción del contenido (el nombre del archivo es el que aparece en la tabla que hay más arriba).
/docs Abrirá el navegador y obtendremos un manual de funcionamiento detallado de CLI en Gemini, Qwen y Claude
Teclas útiles de la consola
Navegación
CTRL+A. Mueve el cursor al principio de la línea.
CTRL+E. Mueve el cursor al final de la línea.
Edición
CTRL+SHIFT+V. Pega el texto copiado con anterioridad. Se puede hacer la misma acción con el botón derecho del ratón.
CTRL+SHIFT+C. Copia el texto seleccionado. Se puede hacer la misma acción con el botón derecho del ratón.
Control
CTRL+L borra la consola (terminal), ya sea la del sistema operativo o la de la IA.
CTRL+R En la consola del sistema (no en la de la IA) hará una búsqueda de los comandos que ya hemos utilizado antes a medida que escribimos. Así pues, mientras tecleamos, nos irán apareciendo comandos ya utilizados. Esto es especialmente útil para repetir instrucciones largas introducidas con anterioridad.
CTRL+C. Interrumpe el proceso actual. Pulsado dos veces, cierra la consola CLI.
CTRL+D. Cierra la consola del sistema. Pulsado dos veces, cierra la terminal CLI.
Las consolas o terminales CLI (Command Line Interface) de IA son programas de línea de comandos que permiten interactuar y trabajar con modelos de inteligencia artificial directamente desde tu ordenador. Ofrecen una alternativa a las interfaces web, permitiendo operaciones más complejas y una mayor integración con el sistema local.
¿Por qué se prefiere usar la versión CLI de la IA en lugar de las interfaces web?
La versión CLI ofrece varias ventajas significativas sobre las interfaces web. Permite trabajar directamente en el ordenador sin depender de una página web, lo que amplía las posibilidades de uso, como realizar operaciones masivas (renombrar archivos, cambiar la resolución de imágenes o extraer texto de vídeos). Además, puede trabajar con múltiples archivos y carpetas locales sin necesidad de subirlos, lo cual es ideal para recursos educativos multimedia (páginas web, programas HTML) o proyectos con muchos componentes. También se beneficia de una mayor potencia de la IA al poder usar programas o scripts auxiliares para cálculos precisos o automatizaciones, una capacidad que no todas las versiones web de IAs tienen de forma nativa.
¿Qué modelos de IA están disponibles de forma gratuita en su versión CLI y cuáles requieren pago?
En cuanto a la gratuidad, Gemini y Qwen ofrecen sus versiones CLI de forma gratuita. Por otro lado, Codex (de ChatGPT) y Claude requieren una versión de pago para su uso. Los límites de uso específicos para cada uno pueden consultarse en artículos relacionados.
¿Cómo gestionan las consolas CLI la información de configuración y las instrucciones del usuario?
Todas las consolas CLI utilizan archivos de texto en formato Markdown para guardar datos de interés y configuraciones. Al iniciar, buscan dos archivos principales: uno con instrucciones generales en la carpeta de configuración de la IA (por ejemplo, ~/.gemini/GEMINI.md para Gemini en Linux/MacOS) y otro con el mismo nombre en la carpeta actual de trabajo. Estos archivos pueden ser creados o editados por el usuario para añadir información como el nombre, trabajo, asignaturas impartidas, aspectos a tener en cuenta (como un tipo de licencia) o instrucciones específicas del proyecto actual. La IA también puede usar estos archivos para recordar información relevante.
¿Cómo se puede conocer y cambiar el modelo de LLM que está utilizando la consola CLI?
Para conocer la versión del LLM en Gemini y Qwen, se escribe /about una vez dentro de la consola. En Codex y Claude, se usa /status o simplemente /model en el caso de Claude. Para cambiar el modelo, la funcionalidad varía: en ChatGPT (Codex), se puede cambiar durante la conversación con /model. En Gemini, no es posible cambiarlo desde la conversación; se debe especificar al invocar el programa con la instrucción gemini -m modelo (por ejemplo, gemini -m gemini-2.5-flash). En Qwen y Claude, en principio, no hay opción para cambiar el modelo.
¿Cómo se puede iniciar la consola CLI con un prompt predefinido o ejecutar un prompt sin abrir la consola?
Para iniciar la consola con un prompt, Gemini y Qwen utilizan la opción -i seguida del prompt entre comillas (ejemplo: qwen -i «Lee el contenido de los archivos .txt de esta carpeta»). Codex y Claude permiten escribir el prompt directamente después del comando de inicio (ejemplo: codex «Lee el contenido de los archivos .txt de esta carpeta»).
Para ejecutar un prompt directamente en la terminal del sistema operativo sin abrir la consola CLI de la IA, Gemini, Qwen y Claude usan la opción -p seguida del prompt entre comillas (ejemplo: gemini -p «prompt»). Codex funciona de manera diferente: si la carpeta es un repositorio Git, se usa codex exec «prompt»; de lo contrario, se debe añadir –skip-git-repo-check (ejemplo: codex exec «Hola, escribe un haiku sobre tortugas» –skip-git-repo-check).
¿Cuáles son algunos comandos útiles dentro de la terminal CLI una vez iniciada la conversación?
Una vez iniciada la terminal CLI, se pueden usar varios comandos útiles:
/: Muestra una lista completa de comandos con una breve descripción.
/help: Proporciona ayuda sobre los comandos disponibles (funciona en Gemini, Qwen y Claude).
/init: Hace que la IA examine la carpeta actual y cree el archivo de configuración (.md) con una descripción de su contenido.
/docs: Abre el navegador para mostrar un manual de funcionamiento detallado de la CLI (en Gemini, Qwen y Claude).
¿Qué combinaciones de teclas son útiles para la navegación y edición en la consola CLI?
Existen varias combinaciones de teclas útiles para mejorar la experiencia en la consola CLI:
Navegación: CTRL+A (mueve el cursor al principio de la línea), CTRL+E (mueve el cursor al final de la línea).
Edición: CTRL+SHIFT+V (pegar texto), CTRL+SHIFT+C (copiar texto seleccionado). Estas acciones también se pueden realizar con el botón derecho del ratón.
Control: CTRL+L (borra la consola), CTRL+R (en la consola del sistema, busca comandos utilizados anteriormente), CTRL+C (interrumpe el proceso actual, doble pulsación cierra la consola CLI), CTRL+D (cierra la consola del sistema, doble pulsación cierra la terminal CLI).
Sería insensato, y contradictorio en sí mismo, pensar que es posible hacer lo que hasta ahora nunca se ha hecho por procedimientos que no sean totalmente nuevos.
El Marco MIAE (v.2 revisada) clarifica la integración de la IA generativa en educación. Se refina la escala, desde la persona creando sola hasta la IA generando autónomamente bajo supervisión humana. Se detalla cuándo la IA reformula contenido existente o planifica ideas, y se distingue la creación de borradores de la co-creación mediante diálogo. El marco enfatiza el rol activo de la persona, garantizando el uso ético de la IA y la integridad académica en todas las tareas educativas.
Comentarios recientes