IA desde el diseño
Preparo el producto, los datos, la arquitectura, la seguridad y la operación para incorporar capacidades de IA dentro de la plataforma existente.
Convierto un caso de uso de IA en una función educativa que puedo evaluar y gestionar.
Relaciono cada caso de uso con la estrategia, la arquitectura y el contexto de aprendizaje. Antes de ampliar su uso, compruebo las fuentes, los permisos, la calidad, el coste, la latencia y la respuesta del sistema cuando no dispone de información suficiente.
Criterio profesional
Cómo convierto mi criterio sobre la IA en decisiones concretas
Impulso una iniciativa de IA cuando una prueba de principio a fin demuestra una mejora medible y la organización puede conservar los datos, aplicar los controles y asumir las responsabilidades que exige.
Procesos mejorados con IA
Solo incorporo IA si el resultado justifica el esfuerzo: debe mejorar las decisiones, reducir las esperas o liberar tiempo sin perjudicar la calidad ni trasladar riesgos.
Adopción responsable y exigente
Promuevo el uso responsable, la experimentación y el aprendizaje. Al mismo tiempo, establezco criterios de evaluación, trazabilidad, supervisión y límites proporcionales al impacto.
Operación y retirada
Defino cómo se observan los cambios de calidad y coste, quién interviene ante un fallo y en qué condiciones se limita, sustituye o retira la función.
Dónde se concentra la complejidad
La IA resulta útil cuando mejora una decisión o un proceso que la organización sabe reconocer y medir.
La generación de contenidos y los sistemas de generación aumentada por recuperación (RAG) necesitan fuentes mantenidas y evaluadas. Los agentes requieren además herramientas, permisos y límites de actuación. Los modelos predictivos dependen de la calidad y la representatividad de los datos, de su validación y de la vigilancia en producción. Sin estos fundamentos, cada piloto incorpora una dependencia nueva y difícil de gobernar.
El conocimiento está disperso y cuesta utilizarlo
Documentos, cursos y procesos están desactualizados o carecen de permisos y metadatos suficientes.
La generación cubre solo una parte del proceso editorial
También hacen falta fuentes, estructura, revisión, accesibilidad, evaluación, versiones y una persona responsable de publicar.
El asistente carece de una evaluación fiable
Faltan conjuntos de prueba, criterios de abstención, pruebas de regresión y mecanismos de observabilidad.
Los pilotos no llegan a producción
La identidad, la integración, el coste, la seguridad, el soporte y la responsabilidad siguen sin resolverse.
Cada equipo prueba una herramienta distinta
Si la organización no adopta una estrategia común para elegir proveedores y modelos y establecer las normas de uso y supervisión, acaba duplicando datos y capacidades.
La revisión de riesgos llega demasiado tarde
La privacidad, la supervisión, el registro y las obligaciones aplicables del Reglamento de IA se abordan cuando el producto ya está diseñado.
Responsabilidades concretas
Diseño sistemas de IA para el aprendizaje, los contenidos, las operaciones y el producto.
Me ocupo del recorrido completo: el caso de uso, las fuentes, el contexto, los modelos, las herramientas, los permisos, la evaluación, la observabilidad y la supervisión. También incorporo las obligaciones que correspondan.
Estrategia y casos de uso
Priorizo las tareas donde la IA aporta una mejora que se puede evaluar, y descarto las que se resuelven mejor de otra forma.
Conocimiento y RAG
Diseño la relación entre las fuentes, la segmentación, los metadatos, los permisos, la recuperación, las citas y la actualización del corpus.
Agentes y automatización
Defino las herramientas, los límites, la memoria, las acciones permitidas, la intervención humana y las condiciones para detener el sistema.
Contenido educativo
Integro análisis de fuentes, diseño, generación, revisión editorial, accesibilidad y publicación.
Tutores, evaluación y comentarios formativos
Trabajo con el contexto del curso, las rúbricas, las pruebas de aprendizaje, la validez, la abstención y la supervisión profesional.
Gobierno y Reglamento de IA
Relaciono el riesgo, los datos y los proveedores con las exigencias de transparencia, trazabilidad, supervisión y cumplimiento que resulten aplicables.
Mapa de especialización
Dónde aplico inteligencia artificial al aprendizaje
Trabajo sobre el conocimiento fiable, la ayuda que recibe cada persona y la automatización de tareas sin perder el control. En los tres ámbitos defino la prueba de aceptación, los permisos y la supervisión necesaria.
Conocimiento fiable y utilizable
Restrinjo la recuperación a fuentes autorizadas y evalúo si las afirmaciones relevantes quedan respaldadas por citas correctas. Configuro el sistema para que se abstenga cuando las fuentes no bastan o entran en conflicto. Estos controles reducen el riesgo, pero no garantizan por sí solos la procedencia de toda la respuesta.
- Ingeniería del conocimiento
- RAG híbrido
- Grafos de conocimiento
- Permisos
- Procedencia
- Evaluación
Ayuda útil durante el aprendizaje
Relaciono las competencias, las actividades y las pruebas de aprendizaje. Con esa relación construyo tutores y asistentes que muestran las fuentes y los factores utilizados, permiten revisar sus recomendaciones y se abstienen cuando falta contexto.
- Tutores y asistentes
- Aprendizaje adaptativo
- Competencias
- Analítica del aprendizaje
- xAPI
- Comentarios formativos
Automatización con límites claros
Integro los agentes, sus herramientas y los flujos de trabajo con la identidad, la seguridad y los sistemas corporativos. Autorizo cada acción según la identidad, la herramienta y el alcance; registro las ejecuciones, defino condiciones de parada y asigno una persona responsable.
- Agentes
- Invocación de herramientas
- Model Context Protocol (MCP)
- Observabilidad
- Supervisión humana
- Reglamento de IA
Casos de uso
Casos de uso de IA a lo largo de todo el ciclo de aprendizaje
Aplico la IA en organizaciones educativas desde la orientación inicial de una persona hasta la mejora continua de contenidos, programas y operaciones. Para cada caso, determino qué datos necesita, cómo lo evalúo y qué supervisión corresponde según sus consecuencias.
Orientación basada en necesidades reales
Uso asistentes capaces de interpretar objetivos, experiencia y restricciones para orientar a cada persona hacia programas relevantes. Exijo que cada recomendación sea comprensible y revisable.
- Orientación conversacional
- Clasificación de consultas
- Recomendación de programas
- Priorización de seguimiento
Un expediente completo y un diagnóstico revisable
Uso la automatización documental para preparar el expediente y detectar información incompleta. Añado una evaluación inicial al diagnóstico asistido. La organización puede revisarla.
- Extracción documental
- Comprobación de requisitos
- Diagnóstico de nivel
- Reconocimiento de evidencias
Fuentes institucionales con permisos y vigencia
Diseño arquitecturas de recuperación y grafos que conservan la procedencia, los permisos, las versiones y la vigencia antes de alimentar asistentes o procesos de generación.
- RAG con permisos
- Búsqueda híbrida
- Grafos de conocimiento
- Detección de duplicados
Colecciones descritas, relacionadas y mantenidas
Uso los modelos para describir los recursos, detectar lagunas y relacionar cada material con las competencias. También los uso para señalar qué contenidos necesitan revisión o retirada.
- Etiquetado automático
- Extracción de competencias
- Detección de lagunas
- Control de vigencia
Un ciclo editorial más rápido sin eliminar la responsabilidad humana
Convierto las fuentes en estructuras, actividades, materiales y evaluaciones mediante flujos editoriales. Mantengo la trazabilidad, la revisión especializada y los controles de accesibilidad.
- Diseño de cursos
- Generación de materiales
- Bancos de preguntas
- Adaptación de formatos
Ayuda contextual dentro de la experiencia de aprendizaje
Limito las fuentes que consulta el tutor a las autorizadas y compruebo que las citas respalden sus afirmaciones. Antes de ponerlo en producción, pruebo los permisos, la atribución de las fuentes, la respuesta cuando debe abstenerse y la derivación a una persona cuando no hay información suficiente.
- Tutor contextual
- Asistente de estudio
- Práctica guiada
- Agentes con herramientas
Itinerarios basados en las competencias demostradas
Combino objetivos, actividades, resultados y preferencias para que el sistema recomiende un siguiente paso y la persona responsable pueda entender y revisar esa recomendación.
- Rutas adaptativas
- Recomendaciones
- Refuerzo personalizado
- Seguimiento del aprendizaje
Estimo señales de riesgo para valorar una intervención
Incorporo las señales tempranas a un proceso en el que una persona valora si debe intervenir, registro la decisión y mido después si la ayuda ha funcionado.
- Predicción de riesgo
- Explicación de señales
- Gestión de casos
- Evaluación de intervenciones
Comentarios formativos más rápidos, con criterios de calidad y revisión humana
Uso la IA para construir instrumentos, aplicar rúbricas, preparar comentarios y localizar patrones. Mantengo la revisión humana si una decisión tiene consecuencias para la persona.
- Rúbricas asistidas
- Comentarios formativos
- Análisis de respuestas
- Generación y calibración de ítems de evaluación
Más tiempo para tomar decisiones profesionales
Uso copilotos para resumir las señales del curso, preparar materiales y proponer intervenciones. Con ellos facilito la revisión y dejo la decisión final en manos del equipo docente.
- Copiloto docente
- Resumen de cohortes
- Preparación de actividades
- Revisión de accesibilidad
Menos trabajo repetitivo asociado a la plataforma
Uso agentes y flujos de trabajo para clasificar incidencias, recopilar la información necesaria y ejecutar comprobaciones previamente autorizadas y de efecto acotado. Exijo autorización para las altas, las modificaciones, las bajas y cualquier otra acción que cambie el estado del sistema, y registro todas esas acciones.
- Triaje de soporte
- Diagnóstico técnico
- Automatización de altas
- Preparación de informes
Convierto la actividad en decisiones sobre la solución y los programas
Uso modelos que relacionan el uso con el aprendizaje, el contenido y el funcionamiento para detectar patrones y formular hipótesis que la organización pueda comprobar.
- Analítica de cohortes
- Demanda de contenidos
- Capacidad y planificación
- Calidad del programa
Conecto competencias, pruebas de aprendizaje y oportunidades
Extraigo y normalizo competencias para conectar el currículo con la actividad, las pruebas de aprendizaje y las credenciales transferibles, conservando la procedencia de todos esos elementos.
- Grafo de competencias
- Correspondencia curricular
- Microcredenciales
- Portafolios de evidencias
Identifico qué sistema decide y con qué límites
En el gobierno de la IA, exijo un inventario, evaluaciones, observabilidad y controles que cubran los modelos, las instrucciones, los agentes, los datos y los proveedores durante todo su ciclo de vida.
- Registro de sistemas de IA
- Evaluación continua
- Observabilidad
- Supervisión e intervención humana
Cómo trabajo
Defino el problema, la información que puede utilizar el sistema y la prueba que debe superar antes de elegir la arquitectura.
Este trabajo previo permite descartar un sistema RAG, un agente o una automatización cuando añadirían complejidad sin mejorar el resultado.
- 01
Definir el resultado
La tarea, la persona afectada y el criterio de utilidad se fijan antes de elegir el modelo.
- 02
Preparar el sistema
Diseño de principio a fin la arquitectura de datos y conocimiento, el modelo de permisos, la integración y la experiencia de uso.
- 03
Evaluar antes de ampliar
Preparo conjuntos de prueba y métricas, organizo la revisión humana e incorporo pruebas de regresión para comparar cambios.
- 04
Gobernar durante la operación
Observo la calidad, el coste, la latencia, los incidentes y los cambios en el nivel de riesgo durante todo el ciclo de vida.
Recorrido profesional
Valoro la IA por su utilidad para el producto, su encaje arquitectónico y lo que exige operarla.
Ver trayectoria y perfil- Desarrollo productos propios sobre RAG, tutores y generación de cursos. También documento cómo se versionan, evalúan y aprueban las instrucciones utilizadas por los modelos.
- Aplico mi experiencia en arquitectura, integración, datos, seguridad y operación al diseño de sistemas de IA.
- Mi especialización en EdTech me permite comprobar si una aplicación aporta valor educativo y puede ponerse en producción con evaluación, supervisión y controles definidos.
- Incorporo las obligaciones europeas aplicables según el tratamiento de datos, el uso previsto, el nivel de riesgo y el papel que desempeña la organización.
Marcos propios
Estos modelos permiten evaluar la madurez, las capacidades, el riesgo y el estado de las fuentes de conocimiento.
Ayudan a convertir pilotos dispersos en una práctica compartida, con criterios de producto, arquitectura, evaluación, operación y adopción.
Ver la colección completa03Modelo de madurez
Modelo de madurez de IA para organizaciones EdTech
Lo utilizo para valorar el caso de uso, las fuentes, la evaluación, la supervisión y el mantenimiento antes de ampliar una iniciativa.
Consultar el modelo de madurez de IA aplicada a EdTech ↗04Mapa de capacidades
Mapa de capacidades para una organización de aprendizaje digital
Aclara qué parte del proceso puede mejorar con IA y qué datos, fuentes de conocimiento e integraciones hacen falta para conseguirlo.
Consultar el mapa de capacidades EdTech ↗Trabajo propio relacionado
Mantengo laboratorios propios sobre conocimiento, agentes, contenidos y evaluación.
En cada iniciativa documento el alcance, los límites y las pruebas que tendría que superar antes de considerarla un producto.
IA y aprendizaje
Tutor con acceso al contenido autorizado del curso
Tutor con fuentes, permisos, abstención y señales agregadas.
Ver la ficha de Tutor con acceso al contenido autorizado del curso ↗IA y aprendizajeGobierno y evaluación de funciones de IA
Versionado, evaluación y observabilidad para funciones de IA en Moodle.
Ver la ficha de Gobierno y evaluación de funciones de IA ↗Conocimiento y contenidosProducción de cursos asistida por IA
Producción de cursos con revisión editorial.
Ver la ficha de Producción de cursos asistida por IA ↗Blog
La IA necesita análisis técnico, educativo y organizativo.
En el blog analizo RAG, agentes, contenidos, evaluación, seguridad, gobierno y Reglamento de IA. Cada artículo distingue los hechos, las decisiones de diseño y sus límites.
Contacto
La utilidad de la IA depende del problema, las fuentes, los permisos y la evaluación.
La arquitectura debe dejar claro qué material puede leer el sistema, qué permisos hereda, cómo se comprueba y quién revisa sus respuestas.