Principios de la alfabetización crítica en inteligencia artificial
Pilares para desarrollar una relación reflexiva y competente con la tecnología, basados en los marcos educativos recientes.
La alfabetización crítica en inteligencia artificial es el juicio para usar estas herramientas. Implica evaluar lo que devuelven y conservar la dirección humana del proceso. Cuando ese juicio falta, la operación que la herramienta resuelve puede ser justamente la que el estudiante necesitaba practicar, y quien entrega el trabajo pierde el rastro de qué decidió y qué aceptó sin revisar. La investigación reciente nombra esos dos riesgos descarga cognitiva (cognitive offloading) y deriva metacognitiva (Gerlich, 2025; Lodge & Loble, 2026); ninguno ocurre por el solo hecho de usar la herramienta, y ambos dependen de qué operación se delega y de qué hace la persona después.
Evaluación crítica y discernimiento sobre la maestría técnica
- Definir la competencia por la capacidad de decidir y evaluar, no por la fluidez para operar herramientas o redactar indicaciones.
- Identificar debilidades del sistema: lenguaje genérico, afirmaciones amplias, falta de evidencia (por ejemplo, una cifra sin fuente) y alucinaciones.
- Aplicar la lectura lateral para cruzar información en múltiples fuentes independientes en lugar de confiar en una única respuesta.
Conciencia del sistema socio-técnico y ético
- Desmitificar la tecnología al entenderla como un modelo predictivo entrenado con datos, no como un oráculo infalible.
- Cuestionar quién se beneficia de la herramienta y cómo esta perpetúa sesgos raciales, de género o culturales.
- Entender la IA como un modo de ordenamiento que estructura decisiones y distribuye la capacidad de decidir y actuar —lo que aquí llamamos agencia— antes de que el usuario la toque: la opacidad es parte del diseño, no un accidente (Vallès-Peris & Pareto, 2025).
- Comprender los riesgos asociados con la privacidad de datos, los derechos de autor y el impacto social (SchoolAI, 2025).
Cultivo de hábitos mentales y agencia humana
- Basar el uso en la curiosidad, el escepticismo y la reflexión constante, más que en habilidades procedimentales fijas.
- Reservar el esfuerzo que forma la capacidad buscada: Gerlich (2025) encontró, en una encuesta a 666 personas complementada con entrevistas, que quienes usan más estas herramientas puntúan más bajo en pensamiento crítico, con la descarga cognitiva como vía de esa relación. Es una asociación observada en ese estudio, no una demostración de que usarlas deteriore la capacidad.
- Usar la herramienta como un espejo cognitivo que rete el pensamiento del estudiante sin reemplazarlo (Lopez-Lopez et al., 2026).
Uso selectivo, restricción informada y no utilización
- Rechazar la presión de adopción al comprender que la competencia no requiere usar la tecnología de forma entusiasta para todo.
- Validar la negativa informada. Decir «no» o «todavía no» a la herramienta es un resultado avanzado de la alfabetización (Lodge & Loble, 2026).
- Preservar la voz académica y la autonomía personal, sin que la herramienta sustituya el tiempo de estudio sin pantalla ni la conversación con compañeros y colegas.
Adaptabilidad contextual y alineación con literacidades previas
- Adaptar la alfabetización a las necesidades de cada área: enfocarse en el sesgo diagnóstico en salud o la autenticidad en literatura.
- Evitar enseñar el uso de la herramienta de forma aislada.
- Integrar la alfabetización en IA con las alfabetizaciones mediática, informacional y digital existentes, en lugar de tratarla como una competencia aparte.
Las otras dos literacidades#
La alfabetización crítica es el segundo nivel del marco de tres literacidades. Las otras dos:
- Principios de la alfabetización operativa — primer nivel: usar la IA con soltura.
- Principios de la alfabetización para la co-creación — tercer nivel: sostener el acoplamiento persona-IA sin perder la dirección epistémica.
La pieza marco sobre las tres literacidades presenta la progresión completa.
Referencias
- Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6. https://doi.org/10.3390/soc15010006 [Corrección publicada: Societies, 15(9), 252. https://doi.org/10.3390/soc15090252]
- Lodge, J.M., & Loble, L. (2026). Artificial intelligence, cognitive offloading and implications for education. University of Technology Sydney.
- Lopez-Lopez, E., Abels, C.M., Lorenz-Spreen, P., Lewandowsky, S., & Herzog, S.M. (2026). Boosting metacognition in entangled human-AI interaction to navigate cognitive-behavioral drift. arXiv. https://doi.org/10.48550/arXiv.2602.01959
- SchoolAI. (2025). Teaching AI literacy in the classroom: Strategies for educators [entrada de blog de una empresa del sector; se cita por su síntesis práctica, no como investigación revisada por pares]. https://schoolai.com/blog/ai-literacy-english-class
- Vallès-Peris, N., & Pareto, J. (2025). Artificial intelligence as a mode of ordering: Automated-decision making in primary care. Information, Communication & Society, 28(11), 2015–2033. https://doi.org/10.1080/1369118X.2024.2406802