Por qué la IA en educación no es un problema tecnológico y cómo lo estoy rediseñando desde el principio.
Propuesto · AAC&U Conference
on AI & Higher Education 2026
La inteligencia artificial llegó a las aulas y la mayoría de las instituciones hicieron lo mismo que siempre: la añadieron. Un tutor aquí. Una política de plagio allá. Un programa de alfabetización por allá. Lo que nadie hizo fue preguntarse si el sistema en el que estaban añadiendo cosas valía la pena conservar.
Llevo tiempo pensando que el problema real no es tecnológico. Es de diseño. Y los problemas de diseño requieren soluciones diseñadas, no parches, no capas, no actualizaciones de política. Requieren repensar el sistema completo. Esto es lo que propongo hacer. Y quiero hacerlo abiertamente, con evidencia, con colaboradores, y con la voluntad de que esto se convierta en un estándar, no en mi proyecto personal.
El problema con cómo estamos usando la IA
“La pregunta más importante no es cómo usar la IA en el aula. Es qué tipo de sistema de aprendizaje vale la pena construir con ella.”
Ese es el punto de partida del framework que estoy desarrollando.
Cuando digo que estamos “añadiendo” la IA, me refiero a algo muy específico: la estamos tratando como una herramienta dentro de un sistema que no ha cambiado. El estudiante sigue siendo el receptor. El docente sigue siendo el transmisor. La evaluación sigue midiendo lo que los estudiantes producen en un momento determinado. Y la IA hace las veces de asistente sofisticado dentro de esa arquitectura intacta.
El resultado predecible es exactamente el que la investigación está documentando: cuando la IA actúa como generadora de respuestas en lugar de pensadora junto al estudiante, el pensamiento crítico declina, la dependencia aumenta, y el aprendizaje real, el que permanece, el que transforma, no ocurre.
The Living Classroom: tres capas, un ecosistema
El Aula Viva: The Living Classroom, es un framework de diseño que propone tratar la educación como un sistema vivo: adaptativo, interdependiente, capaz de aprender junto al estudiante. No como un contenedor donde ocurre el aprendizaje, sino como un organismo que lo co-crea.
El framework tiene tres capas que no son secuenciales ni independientes. Funcionan simultáneamente, como dimensiones de un mismo ecosistema:
01: Capa Cognitiva — IA como compañera de pensamiento
La IA no enseña ni entrega respuestas. Genera preguntas calibradas al nivel de comprensión actual del estudiante, su Zona de Desarrollo Próximo, construye un mapa cognitivo individual y co-diseña rutas de aprendizaje que evolucionan en tiempo real. El juicio siempre permanece con el estudiante.
02: Capa Ambiental, el espacio como agente cognitivo
El entorno físico y digital no es un telón de fondo neutro. La iluminación, la acústica, la configuración espacial y los estímulos visuales moldean activamente la cognición. Esta capa propone calibrar el entorno según el tipo de actividad, lo que llamo Diseño de Carga Perceptual.
03: Capa de Evolución — aprendizaje como proceso vivo
La evaluación deja de medir productos en momentos aislados y pasa a documentar la trayectoria del pensamiento del estudiante a lo largo del tiempo. La IA actúa como documentógrafa del proceso. El portafolio longitudinal reemplaza al examen final como evidencia del aprendizaje.
El concepto que aún no existía: Perceptual Load Design
Nuevo concepto
Diseño de Carga Perceptual
La calibración intencional del entorno sensorial e informacional para que coincida con las demandas cognitivas de una actividad de aprendizaje específica. No se trata de entregar más información, se trata de diseñar cuánto puede procesar significativamente el cerebro en un momento dado.
El concepto se fundamenta en dos teorías existentes: la teoría de la carga cognitiva de Sweller (1988) y la teoría de la carga perceptual de Lavie (1995). Pero las extiende hacia una práctica de diseño que hasta ahora nadie había nombrado ni aplicado sistemáticamente en contextos educativos.
En la práctica: cuando los estudiantes hacen escritura reflexiva, el entorno debería ser tenue, mínimo, acústicamente absorbente. Cuando están en modo de ideación generativa, el espacio debería ser visualmente rico, cálido, abierto. Cuando trabajan en modo técnico concentrado, luz natural, colores neutros, aislamiento acústico. Estos no son caprichos de diseño de interiores. Son intervenciones respaldadas por décadas de investigación en neuroarquitectura que muestran mejoras del 20-30% en rendimiento cognitivo con cambios específicos de diseño ambiental.
Lo que ya probé y lo que encontré
Evidencia aplicada · Parsons School of Design
Este framework no nació en el papel. Surgió retrospectivamente de algo que ya estaba haciendo: un workshop con estudiantes de Parsons titulado AI Workshop: Truth & A Lie, donde los estudiantes usaban IA para analizar el alter ego de un compañero entrevistado y diseñar un objeto que lo representara.
La arquitectura del workshop tenía tres ciclos de profundización deliberada, sin haberlos llamado así en ese momento:
Prompt 1
Análisis Arquetípico
Patrones universales, abstractos. Material ya conocido por el estudiante.
Carga cognitiva: baja
Prompt 2
Mapeo Contextual
Múltiples versiones de la misma persona. Razonamiento comparativo activo.
Carga cognitiva: media
Prompt 3
La Sombra
Lo que ocultan, desean o temen. Empatía radical bajo incertidumbre.
Carga cognitiva: máxima
Lo que distinguía este método de “usar IA tres veces” era un principio que no estaba escrito pero que era estructuralmente inherente: entre cada ciclo, el estudiante decidía activamente qué llevar consigo al siguiente nivel, no fluía pasivamente. El juicio permanecía con la persona, no con la máquina.
Los estudiantes que completaron los tres ciclos y cuestionaron activamente los outputs de la IA en cada punto de inflexión produjeron objetos significativamente más complejos y auténticos que quienes aceptaron las primeras respuestas. Esta observación, todavía cualitativa, todavía no medida sistemáticamente , es la primera evidencia preliminar de que el Diseño de Carga Perceptual funciona como principio organizador no solo del espacio físico, sino de la arquitectura de los prompts de IA.
Lo que sigue y por qué lo hago abierto
Acabo de someter este framework como propuesta a la conferencia AAC&U sobre IA y Educación Superior (octubre 2025, Atlanta). Si es aceptada, será la primera presentación pública del sistema completo ante una audiencia de líderes académicos de instituciones de todo el país.
Pero la conferencia no es el objetivo. El objetivo es más ambicioso y más simple a la vez: quiero que esto se convierta en un estándar de diseño para la integración de IA en educación. No un paper que nadie lee. No un framework que vive en una presentación. Un modelo que las instituciones puedan aplicar, medir, adaptar y mejorar.
Para eso necesito colaboradores. Investigadores que quieran medir lo que yo solo puedo observar cualitativamente. Diseñadores que quieran aplicar estos principios en espacios reales. Docentes que quieran pilotear el modelo en sus cursos. Instituciones que estén dispuestas a co-diseñar el primer caso de implementación completa.
"No necesitamos aulas más inteligentes.
Necesitamos aulas capaces de aprender."
Si algo de esto resuena con lo que estás haciendo o con lo que quieres hacer, escríbeme. Tengo una tesis completa con fundamentos teóricos, diagramas del sistema, un caso aplicado, y un modelo de implementación por tiers que permite a las instituciones entrar al framework en cualquier nivel sin demoler lo que ya existe.
Lo que no tengo todavía es la evidencia empírica sistemática que esto merece. Y eso es exactamente lo que quiero construir, junto a otros.
Trabajemos en esto juntos
Estoy buscando investigadores, docentes, diseñadores e instituciones interesados en desarrollar, pilotar y medir el framework del Aula Viva. Si quieres acceder al documento completo de la tesis o explorar una colaboración, escríbeme directamente.