La IA hoy está permeando todo el quehacer humano por lo cual es importante el tener referencias de habilidades que se trabajen en el entorno escolar y universitario que permita a los estudiantes y futuros profesionales enfrentar este panorama que cada vez se proyecta con mayor influencia a futuro. Al respecto, proponemos que se pueda revisar una propuesta que hemos desarrollado en virtud de la experiencia de los últimos años, la cual hemos denominado “Marco ACIA: Alfabetización Crítica en Inteligencia Artificial” que constituye una síntesis analítica de las áreas y habilidades de convergencia y claves de los 3 referentes internacionales de marcos de habilidades existentes a la fecha, así como la integración y ordenamiento de otros elementos que consideramos clave en el aprendizaje y uso de esta tecnología. Se denomina “alfabetización crítica” pues es lo que detectamos que se requiere con urgencia desarrollar hoy. Esperamos que pueda ser un aporte en sus procesos formativos.

1.- La Importancia de las habilidades de IA en estudiantes

La necesidad de desarrollar habilidades en inteligencia artificial en los estudiantes no es una tendencia pasajera, sino un enfoque estratégico para asegurar su participación activa en una sociedad mediada por algoritmos donde se proyecta que la IA cada vez más, profundizará su uso en todos los ámbitos del quehacer humano. Es por ello, que cualquier alfabetización debe trascender el dominio técnico, y avanzar en comprender principios fundamentales, aplicaciones prácticas e implicaciones éticas para interactuar con sistemas inteligentes de forma responsable. La carencia de estas habilidades genera brechas críticas en la competencia digital, limitando el acceso a oportunidades y la capacidad de discernir información en entornos complejos.

El objetivo fundamental es que el alumnado deje de ser un usuario pasivo para convertirse en un agente con autonomía. Esto es vital para enfrentar riesgos como la profundización de desigualdades, los sesgos algorítmicos, la erosión de la privacidad y el fenómeno del «desplazamiento cognitivo», donde el cerebro deja de procesar información esencial al delegar excesivamente en la máquina, lo que atrofia el aprendizaje profundo.

La urgencia de estas habilidades se justifica en tres frentes:

1. Autonomía intelectual: La capacidad de distinguir entre una respuesta generada por un patrón estadístico y una verdad fundamentada. Sin alfabetización en IA, el estudiante es vulnerable a la manipulación por algoritmos y a la aceptación de sesgos como hechos objetivos.
2. Brecha de equidad: El dominio de la IA se está convirtiendo en el nuevo divisor social. Quienes saben interactuar con sistemas inteligentes aumentan su productividad y capacidad de resolución de problemas, mientras que quienes carecen de estas habilidades quedan relegados a roles mecánicos y fácilmente automatizables.
3. Preparación ciudadana: Vivimos en una «era algorítmica» donde las decisiones sobre créditos, salud, empleo e información política están mediadas por IA. Un estudiante sin formación en esta área es un ciudadano incapaz de auditar o cuestionar las estructuras de poder que rigen su vida cotidiana.

2.- Descripción de los marcos de referencia existentes

A continuación, se desglosan las habilidades específicas contempladas en las tres propuestas globales que sirven de base para el debate educativo y que están vigentes al mes de marzo 2026.

2.1.- UNESCO: Marco de Competencias para Estudiantes

Este marco propone un enfoque holístico estructurado en 12 competencias clave y tres niveles de progresión: Entender, Aplicar y Crear. Se organiza en cuatro dimensiones principales:

• Mentalidad centrada en el ser humano: Promueve una actitud crítica y reflexiva sobre el papel de la IA, reconociendo sus límites y sesgos.
• Ética de la IA: Se enfoca en el uso consciente de la tecnología, priorizando la privacidad, transparencia, equidad e inclusión.
• Técnicas y aplicaciones de IA: Busca que la tecnología deje de ser una «caja negra» mediante el entendimiento de su funcionamiento práctico y básico.
• Diseño de sistemas de IA: Motiva a los estudiantes a diseñar soluciones propias integrando creatividad y conciencia ética.

2.2. OCDE: Marco PISA 2025 y el AlLit Framework

La OCDE enfatiza el pensamiento analítico y la alfabetización tecnológica. Su propuesta AlLit (AI Literacy Framework) se organiza en cuatro dominios interrelacionados:

1. Interactuar (Engaging with AI): Habilidades para comunicarse efectivamente con sistemas de IA.
2. Crear (Creating with AI): Capacidades para co-crear utilizando herramientas inteligentes.
3. Gestionar (Managing AI): Competencias para administrar el uso de la IA de forma responsable.
4. Diseñar (Designing AI): Habilidades para evaluar y diseñar sistemas de IA.

2.3. Comisión Europea: DigComp 2.2

Actualiza las competencias digitales integrando la interacción con IA como una necesidad ciudadana. Sus habilidades específicas incluyen:

• Alfabetización en datos: Comprender cómo los motores de búsqueda priorizan resultados y detectar sesgos algorítmicos.
• Comunicación y colaboración: Interactuar con agentes conversacionales (chatbots) reconociendo su naturaleza no humana.
• Creación de contenido: Gestionar derechos de autor, mantener la integridad académica y citar adecuadamente la autoría de la IA.
• Seguridad: Conciencia sobre el uso de datos biométricos (rostro, voz) y los riesgos de privacidad asociados.

3.- Lógica de la propuesta del Marco ACIA

La propuesta del Marco de Alfabetización Crítica en IA (ACIA) surge de un diálogo e intersección entre los marcos internacionales mencionados, donde la lógica de construcción de la propuesta se basa en identificar los puntos de encuentro o convergencia entre la UNESCO, la OCDE y la Comisión Europea para equilibrar tres pilares: la competencia técnica, el juicio ético y la agencia humana.

Este modelo busca desplazar la interacción con la IA de una lógica de «atajos» (que atrofian el pensamiento) a una lógica de «andamiajes» que amplían la comprensión y la agencia del estudiante.

La construcción de ACIA se basa en tres principios lógicos:

1. Integración interdisciplinar: No trata la IA como una asignatura aislada (informática), sino como una competencia transversal que afecta al lenguaje, las ciencias, la ética y las artes.
2. Superación de la técnica: Mientras que muchos marcos se quedan en «saber usar el software», ACIA prioriza el «saber por qué y para qué», poniendo la dimensión crítica y ética al mismo nivel que la operativa.
3. El humano en el centro (Human-in-the-loop): La lógica de ACIA es que cualquier interacción con IA debe ser supervisada, validada y finalizada por un juicio humano. La propuesta busca fortalecer la identidad y la autoría del estudiante frente a la generación automática de contenidos.

4.- Marco de Alfabetización Crítica en IA (ACIA): Dimensiones y habilidades propuestas

A continuación, proponen las dimensiones y habilidades específicas del marco.

4.1.- Dimensión Crítico-Analítica: Comprensión conceptual y evaluación

Se centra en comprender la IA como un sistema sociotécnico probabilístico, no consciente. El estudiante desarrolla habilidades para identificar la opacidad de la «caja negra», detectar sesgos algorítmicos y verificar «alucinaciones» mediante el contraste con fuentes primarias. El objetivo es que el alumno no acepte los resultados de forma pasiva, sino que actúe como un auditor crítico capaz de cuestionar la procedencia, neutralidad y veracidad de cada respuesta generada por la máquina.

• Comprensión conceptual de la IA como sistema sociotécnico:
  • Diferenciar entre distintas familias de técnicas (aprendizaje supervisado, no supervisado, por refuerzo; modelos de lenguaje; sistemas de recomendación; visión artificial), reconociendo sus objetivos generales.
  • Entender nociones como datos de entrenamiento, parámetros, inferencia probabilística y generalización, al menos a un nivel funcional.
  • Reconocer el carácter estadístico y no determinista de las salidas, evitando atribuir intencionalidad, conciencia o neutralidad a los sistemas.
  • Comprender que la IA no «sabe» cosas, sino que predice patrones probabilísticos, vital para evitar la antropomorfización excesiva.
• El desafío de la «Caja Negra» algorítmica:
  • Dominar el concepto de opacidad, donde el procesamiento de información es incomprensible.
  • Alfabetización en Datos: Cuestionar la fuente y representatividad de los datos de entrenamiento.
  • Pensamiento Crítico: Auditar el resultado y generar hipótesis sobre el funcionamiento interno.
  • Transparencia Ética: Exigir explicaciones y contrastar la veracidad de la información.
• Verificación epistémica y detección de sesgos:
  • Detectar alucinaciones: Contrastar la información con fuentes primarias confiables.
  • Evaluar sesgos: Identificar prejuicios culturales, de género o ideológicos en las respuestas.
  • Verificación de hechos: Discernir entre verdad, error y alucinación mediante lectura lateral.
  • Resiliencia ante el error: Capacidad de identificar errores lógicos en el código o texto generado y corregirlos manualmente.

4.2.- Dimensión Ético-Social: Responsabilidad y ciudadanía digital

Aborda la responsabilidad ciudadana y la honestidad intelectual en el uso de algoritmos. Incluye el compromiso con la integridad académica, distinguiendo el uso de la IA como asistente del plagio directo, y la transparencia absoluta en la citación de herramientas generativas. Además, enfatiza la protección de la privacidad, la seguridad de los datos personales y la reflexión profunda sobre el impacto social, ambiental y los riesgos de discriminación que conllevan estos sistemas.

• Integridad académica y transparencia:
  • Integridad académica: Diferenciar el uso de IA como asistente (lluvia de ideas, esquemas) frente al plagio (copiar y pegar sin atribución).
  • Atribución transparente: Habilidad para citar correctamente el uso de IA generativa en trabajos académicos.
  • Citación y transparencia: Usar la tecnología con honestidad intelectual.
• Privacidad y seguridad de datos:
  • Conciencia sobre privacidad: Identificar qué información personal no compartir con modelos públicos para proteger la huella digital.
  • Protección de la identidad digital: Uso seguro y consciente de sistemas de IA.
  • Comprensión de riesgos: Reconocer las preocupaciones sobre la seguridad de la información del estudiante.
• Reflexión ética y análisis de impacto:
  • Cuestionar los resultados de los sistemas de IA.
  • Identificar posibles manipulaciones o discriminaciones algorítmicas.
  • Reflexionar y reconocer impactos sociales (discriminación, desinformación, impacto ambiental) relacionándolos con valores de justicia, inclusión y sostenibilidad.

4.3.- Dimensión Técnico-Operativa: Interacción efectiva con IA

Define las competencias prácticas para una interacción efectiva y productiva con la tecnología. Se enfoca en la ingeniería de prompts, permitiendo al estudiante formular instrucciones precisas, contextualizadas e iterativas (diálogo socrático). También incluye la comprensión funcional de algoritmos básicos y aprendizaje automático. El propósito es que el usuario domine el lenguaje técnico necesario para ajustar roles y restricciones, obteniendo resultados de alta calidad que se alineen con sus objetivos específicos de aprendizaje.

• Ingeniería de prompts y contexto:
  • Formulación de instrucciones (Prompting): Capacidad de formular preguntas precisas, iterativas y contextualizadas.
  • Ingeniería de contexto: Capacidad de asignar «personas» y restricciones a la IA para obtener resultados de calidad.
  • Iteración socrática: No quedarse con la primera respuesta; usar la IA para dialogar y refinar ideas.
• Comprensión del funcionamiento básico:
  • Interactuar con herramientas de IA comprendiendo sus entradas y salidas.
  • Reconocer los tipos de problemas que la IA puede resolver.
  • Familiaridad con conceptos básicos: Algoritmos, Machine Learning y Procesamiento del Lenguaje Natural.
• Prácticas metacognitivas de uso:
  • Prácticas de verificación: Contrastar con fuentes fiables y diseñar contraejemplos.
  • Prácticas de documentación: Registrar instrucciones dadas, decisiones de edición y fuentes utilizadas.
  • Autoevaluación asistida: Usar la IA para crear exámenes de práctica o rúbricas para evaluar el propio trabajo.

4.4.- Dimensión Metacognitiva: Agencia y autonomía

Es fundamental para preservar la autonomía del estudiante frente a la automatización ubicua. Se basa en el «juicio de delegación», donde el alumno decide conscientemente qué tareas encargar a la IA y cuáles realizar por sí mismo para no erosionar su pensamiento crítico. Fomenta la autorregulación y el monitoreo del esfuerzo cognitivo, asegurando que la tecnología funcione como un andamiaje que potencia el aprendizaje profundo en lugar de sustituir el proceso intelectual.

• Juicio de delegación y autorregulación:
  • Monitoreo del esfuerzo cognitivo: Decidir cuándo es apropiado usar la IA y cuándo realizar la tarea por sí mismo para garantizar el aprendizaje profundo.
  • Juicio de delegación: Decidir conscientemente qué tareas delegar y cuáles no para preservar el desarrollo cognitivo propio.
  • Autorregulación: Evitar la dependencia cognitiva excesiva, manteniendo la capacidad de pensar autónomamente.
• Agencia personal y epistémica:
  • Mantener el control del proceso creativo: La IA debe ser una herramienta para potenciar la creatividad humana, no para reemplazarla.
  • Preservar la agencia epistémica: Distinguir cuándo el uso de la IA está impidiendo el aprendizaje profundo.
  • Reflexionar sobre: «¿Estoy aprendiendo o estoy dejando que la máquina piense por mí?».

4.5.- Dimensión Creativa y de Co-creación: Agencia creativa y diseño

Promueve el uso de la IA como una colaboradora estratégica en el proceso de diseño y resolución de problemas complejos. El estudiante utiliza herramientas generativas para explorar múltiples soluciones, crear prototipos rápidos o generar borradores que luego analiza y perfecciona manualmente. Esta dimensión subraya la autoría híbrida y la responsabilidad humana sobre el producto final, transformando a la IA en un motor de creatividad que expande las capacidades originales sin anular la visión personal.

• Uso estratégico de la IA para aprender:
  • Formular problemas abiertos y significativos en lugar de tareas de reproducción.
  • Explorar múltiples caminos de solución combinando momentos con y sin IA.
  • Utilizar la IA para generar borradores, prototipos o visualizaciones que luego se analizan y modifican.
  • Saber cuándo tiene sentido usar herramientas generativas o analíticas para recibir retroalimentación o practicar.
• Co-creación responsable:
  • Trabajar con la IA como apoyo creativo manteniendo la autoría humana y la responsabilidad sobre el producto final.
  • Documentar el uso de la herramienta y diferenciar entre aportes humanos y de la IA.
  • Justificar decisiones tomadas y explicitar qué aportó la IA y qué aportó el estudiante.
  • Evaluar críticamente la pertinencia, sesgos e implicaciones de las soluciones generadas.

5.- Síntesis del Marco de Alfabetización Crítica en IA (ACIA)

Dimensión	Enfoque Principal	Habilidades y Competencias Clave
1.- Crítico-Analítica	La IA como sistema sociotécnico probabilístico (no consciente).	Comprensión Conceptual: Diferenciar técnicas (ML, NLP), entender datos de entrenamiento y evitar la antropomorfización.Desafío de la «Caja Negra»: Cuestionar la opacidad, auditar fuentes y exigir transparencia.Verificación Epistémica: Detectar «alucinaciones» y sesgos (género, cultura e ideología) mediante lectura lateral.
2.- Ético-Social	Responsabilidad, ciudadanía digital y honestidad intelectual.	Integridad Académica: Distinguir asistencia de plagio y dominar la citación transparente de herramientas generativas.Privacidad y Seguridad: Proteger la huella digital y datos personales ante modelos públicos.Reflexión de Impacto: Evaluar consecuencias sociales, ambientales y riesgos de discriminación algorítmica.
3.- Técnico-Operativa	Interacción efectiva, técnica y funcional con la tecnología.	Ingeniería de Prompts: Formular instrucciones precisas, asignar roles («personas») e iterar mediante diálogo socrático.Comprensión del funcionamiento: Entender entradas/salidas y conceptos básicos de Machine Learning.Metacognición Técnica: Documentar procesos, diseñar contraejemplos y usar IA para autoevaluación.
4.- Metacognitiva	Preservación de la agencia, autonomía y juicio propio.	Juicio de Delegación: Decidir conscientemente qué tareas delegar a la IA y cuáles realizar manualmente para no erosionar el pensamiento crítico / Autorregulación: Evitar la dependencia cognitiva y monitorear el esfuerzo intelectual.Agencia Epistémica: Reflexionar sobre si se está aprendiendo o simplemente dejando que la máquina piense por uno.
5.- Creativa y de Co-creación	Colaboración estratégica para la resolución de problemas.	Uso Estratégico: Formular problemas abiertos, generar borradores/prototipos y explorar múltiples soluciones híbridas.Co-creación Responsable: Mantener la autoría humana, documentar la colaboración y justificar las decisiones finales / Evaluación de Soluciones: Analizar críticamente la pertinencia y los sesgos del producto co-creado.

6.- Propuesta de Perfil de Egreso del Marco ACIA: Alfabetización Crítica en Inteligencia Artificial

Al finalizar su formación, el estudiante competente en IA que ha seguido este marco se define por cuatro grandes capacidades transversales que resumen su preparación para la vida moderna:

1. Comprender (El saber conceptual): El egresado posee una visión clara y desmitificada de la IA. Es capaz de explicar cómo los sistemas aprenden de los datos y cuáles son sus límites fundamentales. Esta comprensión le permite navegar en un mundo tecnificado sin caer en el miedo irracional ni en la confianza ciega, reconociendo a la IA como una creación humana diseñada para fines específicos.
2. Usar Críticamente (El saber aplicar): El egresado interactúa con la tecnología de manera analítica. Su uso de la IA no es mecánico; cada tarea delegada a la máquina pasa por un proceso de formulación precisa, interpretación de resultados y contraste de fuentes. Sabe documentar sus decisiones y es capaz de corregir a la máquina cuando esta falla, manteniendo siempre el rigor académico y profesional.
3. Crear (El saber generar): El egresado es un diseñador de soluciones. Utiliza la potencia de cálculo y generación de la IA para potenciar su propia creatividad, creando proyectos originales que integran lo mejor de la inteligencia humana y la artificial. Justifica el uso de la tecnología como un medio para alcanzar fines más elevados, demostrando una autoría responsable y una capacidad de innovación superior.
4. Participar (El saber convivir): Finalmente, el egresado actúa como un ciudadano digital activo. Tiene la formación necesaria para participar en debates públicos sobre la regulación de la IA, defender la equidad algorítmica y promover los derechos digitales. Su formación le permite no solo adaptarse al cambio tecnológico, sino también influir en él para que la IA contribuya al bienestar común y a la justicia social.

7.- Conclusión: El Aporte de ACIA a la formación de habilidades

El aporte fundamental de ACIA es la creación de un modelo pedagógicamente estructurado que garantiza que la IA actúe como un potenciador de la inteligencia humana y no como su sustituto. Al integrar las mejores prácticas de la UNESCO, la OCDE y la Comisión Europea, ACIA ofrece a los sistemas educativos una hoja de ruta para formar ciudadanos que no solo saben «usar» la IA, sino que pueden auditarla, cuestionarla y dirigirla hacia el bien común. Su contribución principal radica en proteger la agencia y el pensamiento crítico de los estudiantes frente a la automatización, asegurando un aprendizaje profundo y ético en la era algorítmica.

Nota: Imágenes creadas con inteligencia artificial. Esta entrada la hemos generado con apoyo de inteligencia artificial.