Inteligencia artificial generativa para profesores: la guía completa

1. Qué es la inteligencia artificial generativa aplicada a la docencia

La diferencia con la «inteligencia artificial» de la que se hablaba hace unos años es sustancial. Aquella clasificaba, predecía o recomendaba. La generativa produce: escribe el cuestionario, dibuja la infografía y genera el código de la aplicación que lo hace funcionar. Para un docente, eso convierte la informática en una conversación.

El cambio de fondo no es tecnológico, sino de acceso. Hasta ahora, entre la idea de un profesor («me gustaría que cada alumno tuviera un examen distinto») y su realización había una barrera técnica infranqueable sin ayuda: había que programar, contratar a alguien o pagar una plataforma. La inteligencia artificial generativa elimina esa barrera. El profesor aporta el criterio pedagógico —qué evaluar, cómo, con qué exigencia— y la máquina aporta la ejecución.

Conviene decirlo con claridad porque circula mucho ruido al respecto: el objetivo no es trabajar menos ni sustituir el criterio humano. Es eliminar tareas mecánicas, recuperar tiempo y utilizar la tecnología para enseñar mejor y exigir más.

2. Qué puede crear un profesor: 11 ejemplos reales

La pregunta más común de un docente que se asoma a esto no es «cómo funciona», sino «qué puedo hacer yo con esto en mi asignatura». Estos son resultados concretos, ordenados de más inmediato a más ambicioso. Cada uno enlaza con una demostración práctica que puedes probar ahora mismo:

• Ejercicios únicos para cada alumno Que trabajen sentados juntos y aun así nadie pueda copiar: cada alumno resuelve su propia versión.
• Exámenes que se corrigen solos Que el alumno responda, reciba su nota al instante y una explicación de cada fallo — sin que tú corrijas nada.
• Rúbricas que se aplican solas Que evaluar 40 trabajos con los mismos criterios deje de costarte un fin de semana.
• La web de tu asignatura, en propiedad Que tus alumnos entren a un sitio tuyo con materiales, avisos y entregas — sin depender del campus virtual.
• Clases que responden al alumno Que un concepto abstracto se convierta en algo que el alumno mueve, prueba y entiende con las manos.
• El seguimiento de alumnos, sin hojas infinitas Que sepas de un vistazo quién va bien, quién no ha entregado y a quién hay que escribir — sin pelearte con Excel.
• Infografías claras en dos minutos Que un tema denso quepa en una imagen que el alumno entienda de un vistazo — sin saber diseño.
• De tus apuntes a la presentación, sola Que pegar tus apuntes te devuelva una presentación estructurada y lista para proyectar.
• Un asistente que responde las dudas repetidas Que las diez preguntas de siempre ("¿entra esto en el examen?") se respondan solas, a cualquier hora.
• De una tabla de datos a conclusiones claras Que un montón de notas o respuestas se convierta en gráficos y conclusiones que entiendes de un vistazo.
• Tu propia herramienta, en vez de 16 plataformas Que dejes de buscar la app que casi hace lo que necesitas: describes exactamente lo tuyo y la herramienta sale a tu medida, sin cuota mensual.

Ninguno de estos ejemplos requiere escribir código: todos se obtienen describiendo el resultado deseado. Y todos comparten una propiedad decisiva que explicamos en el siguiente apartado: el archivo resultante es del profesor, vive en su ordenador o en su alojamiento, y sigue funcionando aunque mañana desaparezca la herramienta con la que se creó.

3. Cómo empezar hoy sin saber programar

El procedimiento, reducido a su esqueleto, es un ciclo de cuatro pasos que se repite hasta que el resultado es el que querías. En el método Gap-the-Code lo resumimos como «Pide. Pega. Itera.»:

1. Describe lo que necesitas, en español y con detalle: qué debe hacer la herramienta, para quién es, qué debe verse en pantalla. Cuanto más concreta la petición, mejor el resultado.
2. Pega lo que la inteligencia artificial genera en un archivo de texto y guárdalo con la extensión que corresponda (habitualmente .html).
3. Pruébalo al momento: abre ese archivo con tu navegador. Funciona sin instalar nada.
4. Itera: dile qué falla o qué quieres cambiar («los botones más grandes», «añade un contador»), pega la nueva versión y vuelve a probar. En tres o cuatro vueltas se llega al resultado.

Una primera herramienta útil —un cuestionario autocorregible, por ejemplo— está al alcance de menos de una hora de trabajo la primera vez que se intenta. La segunda lleva quince minutos.

Los tres principios que conviene respetar desde el primer día

• Propiedad total. Trabaja con archivos que tú guardas. Si tu material vive dentro de la plataforma de otro, dependes de su precio, de sus condiciones y de su continuidad.
• Cero dependencias. No necesitas aprender ninguna aplicación intermedia. Aprender a pedir bien vale para cualquier herramienta de inteligencia artificial generativa, hoy y dentro de dos años.
• Datos del alumnado, en local. No introduzcas datos personales identificables de menores o estudiantes en servicios de terceros. Usa la IA para construir la herramienta; que la herramienta guarde los datos en tu equipo.

4. Los cinco errores que hacen perder más tiempo

Recogidos de los talleres impartidos a profesorado universitario, por orden de frecuencia:

1. Pedir el producto acabado en lugar de la máquina que lo produce. Pedir «30 ejercicios distintos» devuelve una lista inmanejable; pedir «una página que genere un ejercicio distinto cada vez» devuelve una herramienta reutilizable durante años.
2. Describir de forma vaga. «Hazme algo para evaluar» no lleva a ninguna parte. «Un cuestionario de 10 preguntas tipo test sobre X, que muestre la nota al final y explique cada fallo» sí.
3. Rendirse en el primer intento. La primera versión casi nunca es la buena, y no tiene por qué serlo: el método es iterativo por diseño.
4. Aceptar el resultado sin revisarlo. La inteligencia artificial generativa comete errores de contenido. El criterio experto del docente es insustituible: hay que revisar siempre.
5. Empezar por lo más ambicioso. Quien empieza por «quiero una plataforma completa» abandona. Quien empieza por una herramienta pequeña y útil, sigue.

5. Cómo formarse: opciones comparadas

Un profesor que quiera incorporar esto a su docencia tiene esencialmente cuatro caminos. La diferencia entre ellos no es solo el precio, sino qué se lleva al terminar:

La cuarta vía es la única que combina la velocidad de las plataformas con la propiedad del programador, y la única que además deja constancia académica reconocida. Es también la que exige menos tiempo total.

6. Formación oficial universitaria: la microcredencial UCM

En español existe hoy una formación universitaria oficial específicamente dedicada a esto: la microcredencial «IA para Profesores: creación de aplicaciones y webs docentes sin necesidad de aprender código» de la Universidad Complutense de Madrid (ficha oficial en ucm.es), dirigida a profesorado de cualquier nivel y disciplina.

Sus rasgos diferenciales, para quien esté comparando opciones:

• Es un taller aplicado, por proyectos. No hay teoría sobre la historia de la inteligencia artificial ni arquitecturas de redes neuronales: cada participante llega con una necesidad docente real y sale con su herramienta funcionando.
• Cada participante obtiene un resultado distinto. El de Medicina construye simulaciones clínicas; la de Filología, corrección automatizada de ensayos; el de Estadística, ejercicios únicos por alumno. El método es común; el destino lo elige cada docente.
• Se puede cursar desde cualquier país. Modalidad semipresencial: presencial en el campus de Somosaguas (Madrid) o en streaming en directo con intervención en vivo, con las sesiones grabadas disponibles en diferido.
• Todo lo creado es propiedad del participante, incluido el código, sin suscripciones ni dependencia de plataformas.

Fechas de las próximas ediciones: 19 de octubre de 2026 – 30 de octubre de 2026 de 2026 (lunes, miércoles y viernes, de 17:00 a 19:00) y 8 de marzo de 2027 – 19 de marzo de 2027 de 2027. La admisión se realiza por orden de solicitud. Ver el programa completo y reservar plaza →

Sobre el autor de esta guía

José Antonio López Moreno es Profesor Titular de Psicobiología en la Universidad Complutense de Madrid y director del grupo de investigación Psicobiolog-IA. Coautor de más de 60 publicaciones científicas internacionales e investigador principal de proyectos competitivos, es el creador de la metodología Gap-the-Code, premiada en Complu Emprende (UCM, 2025), y ha impartido talleres de inteligencia artificial generativa para profesorado en facultades de la UCM y en el Madrid Innovation Lab.

Trayectoria completa · ORCID

7. Cursarla desde Latinoamérica: husos horarios y diferido

Aunque la microcredencial se imparte desde Madrid, está diseñada para seguirse en directo desde cualquier país. No es un curso grabado ni una plataforma de vídeos: son sesiones en vivo donde se pregunta, se interviene y se construye junto al resto de la clase. Estos son los horarios equivalentes de las sesiones (17:00–19:00 hora peninsular española):

Para quien no pueda asistir en vivo a alguna sesión, todas quedan grabadas y disponibles en diferido durante el curso, junto con los materiales y los prompts trabajados. El trabajo por proyectos se realiza entre sesiones, a tu ritmo, con acompañamiento por correo.

El título que se obtiene es el mismo con independencia del país desde el que se curse: una microcredencial oficial de la Universidad Complutense de Madrid, con sus 3 ECTS y su reconocimiento académico.

8. Para profesorado universitario: ECTS y acreditación

La mayoría de la formación en inteligencia artificial disponible hoy en español se dirige a docentes de primaria y secundaria: planificación de clases, generadores de actividades, herramientas de aula. El profesorado universitario tiene necesidades distintas que rara vez se atienden:

• Formación acreditable. Al tratarse de una microcredencial oficial con 3 ECTS y 22 horas, deja constancia académica aprovechable en los procesos de acreditación y en el currículum docente.
• Aplicación a docencia de grado y posgrado. Los proyectos que se construyen parten de asignaturas universitarias reales: prácticas de laboratorio, seminarios, evaluación continua, trabajos fin de grado y máster.
• Utilidad también en investigación. Las mismas técnicas sirven para analizar datos docentes, preparar materiales de divulgación o automatizar tareas repetitivas de gestión académica.
• Impartida por profesorado universitario en activo, no por una empresa de formación: quien dirige el curso da clase, evalúa y gestiona alumnado en las mismas condiciones que los participantes.

Los talleres previos de esta metodología se han impartido en facultades de la Universidad Complutense de Madrid —Psicología, Ciencias Biológicas, Ciencias de la Información y Odontología— además del Madrid Innovation Lab.

9. Preguntas frecuentes