IA en formación docente: adoptar en solitario o aprender en equipo

La IA generativa lleva dos años instalada en las salas de profesores chilenos. Según TALIS 2024, el 55 por ciento de los docentes del país ya la usa en su trabajo, casi veinte puntos por sobre el promedio de la OCDE, y el 68 por ciento de quienes la usan lo hacen para planificar clases. La adopción ya ocurrió. Un director o jefe de UTP hoy no decide si sus docentes van a usar IA: decide en qué condiciones lo hacen y qué queda de eso.

Esa decisión importa porque usar IA en solitario y usarla dentro de una comunidad de práctica no producen el mismo resultado. Los docentes que adoptan estas herramientas de forma individual tienden a quedarse en usos de baja demanda cognitiva (generar guías, producir materiales, planificar desde cero) sin desarrollar criterio sobre cuándo los outputs de IA son adecuados para su curso concreto y cuándo no lo son. Las herramientas de IA para la formación docente son más efectivas cuando se integran en comunidades de práctica. Este artículo explica por qué y qué puede hacer un directivo esta semana.

Por qué el uso individual no es suficiente

Kennedy (2016), en una revisión de 30 años de investigación sobre formación docente, documenta un patrón consistente: cuando los docentes incorporan tecnología sin estructura de práctica compartida, la usan sobre todo para producir y raramente desarrollan reflexión pedagógica profunda sobre lo que esa tecnología hace bien y lo que hace mal. Con la IA generativa, ese patrón se amplifica. La herramienta es lo suficientemente buena para producir materiales plausibles, lo que la hace más fácil de adoptar superficialmente y más difícil de evaluar críticamente sin una comunidad que confronte los supuestos.

El problema aparece antes de la calidad del material. El docente que usa IA por su cuenta no tiene con quién comparar qué preguntó, qué recibió y qué decidió hacer con eso. Sin esa conversación, lo que queda es eficiencia sin reflexión.

Qué cambia cuando se usa en comunidad

Arefiana, Çomoğlu y Dikilitaş (2024) estudiaron ocho docentes de inglés en un programa de práctica reflexiva colaborativa basada en ChatGPT, analizado desde la teoría de comunidades de práctica (DOI: 10.1080/17501229.2024.2412769). El hallazgo central: el uso individual de ChatGPT actuó como preparación que profundizaba las contribuciones dentro del grupo. Los docentes llegaban a las sesiones con observaciones concretas sobre qué había respondido la IA, qué les había servido y qué no. El grupo convertía esas observaciones en criterio pedagógico compartido.

Un taller donde todos escuchan lo mismo no produce ese efecto. El ciclo completo (uso individual, discusión colectiva, vuelta al uso individual) genera un aprendizaje que ninguno de esos momentos produce por separado. La comunidad toma el uso individual y lo convierte en material de reflexión.

En Chile, la infraestructura para ese ciclo ya existe. Las Comunidades de Aprendizaje Profesional del CPEIP, creadas por la Ley 20.903, son grupos de 5 a 8 docentes del mismo establecimiento, con sesiones semanales de al menos 90 minutos y ciclos de observación entre pares, análisis de evidencia y diseño colaborativo de intervenciones. El CPEIP lanzó en 2025 un programa nacional de formación docente en IA. El vector institucional ya apunta en esa dirección.

La objeción que merece respuesta

Desimone (2009), en el artículo de referencia sobre formación docente efectiva (DOI: 10.3102/0013189X08331140), advierte que los estudios sobre comunidades de práctica suelen medir si los docentes "participan" sin medir por separado los cinco rasgos que producen el efecto: foco en contenido, aprendizaje activo, coherencia, duración y participación colectiva. Una CAP sin foco en el contenido específico de la asignatura puede no producir ningún impacto. La comunidad no garantiza el resultado.

La respuesta para un directivo es práctica: la comunidad de práctica es la estructura que hace más probable que esos cinco rasgos co-ocurran y se sostengan el tiempo suficiente para producir cambio. Un taller de dos horas sobre IA puede tener excelente contenido, pero no tiene duración ni participación colectiva sostenida. La comunidad no aporta la receta. Aporta el tiempo y la constancia que la receta necesita para llegar a algún lado.

Tres cosas concretas que puede hacer esta semana

No lanzar un taller general de IA. Elige una CAP o grupo de trabajo que ya funciona y añade un módulo de cuatro semanas de uso pedagógico de IA dentro de su protocolo habitual. El caso de uso debe ser acotado: retroalimentación de escritura, análisis de patrones de error frecuentes, o diseño de actividades diferenciadas para un objetivo específico. Mientras más acotado sea, más probable es que el grupo llegue a conclusiones que pueda aplicar el lunes siguiente.

Definir los límites antes de empezar. La Ley 21.719, con vigencia plena en diciembre de 2026, restringe el procesamiento de datos identificables de estudiantes en sistemas de IA externos. El grupo necesita acordar qué puede y no puede subir a un LLM antes de la primera sesión: sin datos que identifiquen a ningún estudiante específico. Conviene tener esa conversación antes y no después: es lo que convierte el uso de IA de experimento individual en práctica institucional con criterio compartido.

Documentar lo que aprende el equipo, no solo lo que produce la IA. Lo que queda del ciclo CAP + IA es el criterio que el grupo desarrolla sobre cuándo y cómo usar IA en su contexto, más que los materiales que produjo en el camino. Pide que cada sesión termine con una anotación breve: qué funcionó, qué no funcionó, qué decidieron no usar y por qué. Ese registro es el capital profesional que se acumula y puede compartirse con otras CAPs del establecimiento.

Lo que todavía no sabemos

No existen estudios con diseño cuasi-experimental que comparen directamente la adopción de IA en comunidades de práctica frente a la adopción individual, controlando por los cinco rasgos de Desimone. La tesis de este artículo se apoya en dos corrientes de evidencia sólidas pero separadas: que las comunidades de práctica bien diseñadas mejoran la práctica docente (Vescio, Ross y Adams, 2008), y que sin estructura de práctica compartida la IA tiende a usos de baja demanda cognitiva (Kennedy, 2016). Falta el estudio que conecte ambas variables para el caso específico de la formación docente con IA generativa. Tampoco hay datos publicados sobre el impacto de integrar IA dentro de las CAPs del CPEIP.

Lo que sí sabemos es que el 55 por ciento de los docentes chilenos ya usa IA en su trabajo, y que la formación en IA es la principal necesidad de desarrollo profesional que ellos mismos declaran. La pregunta ya no es si habrá adopción. Es qué estructura de soporte tiene esa adopción cuando ocurre en tu establecimiento.