Notas de campo
La mitad de los estudiantes de América Latina quiere comentarios con IA. Solo 1 de cada 5 docentes los ofrece.
La encuesta AI in Higher Education LATAM Survey 2026 del Digital Education Council reveló una brecha concreta que merece más atención que los titulares sobre adopción de IA que la acompañaron. La mitad de los estudiantes de las 29 instituciones encuestadas apoya que sus docentes utilicen IA para comentar sus trabajos. Solo el 19% del profesorado lo hace actualmente. No es una pequeña diferencia en una gran encuesta: son 31 puntos porcentuales entre lo que los estudiantes quieren y lo que sucede en el aula. Conviene entender por qué existe antes de dar por válida la respuesta más evidente.
La respuesta aparentemente obvia —la resistencia docente— no se sostiene frente al resto de la encuesta. Solo el 12% del profesorado ve la IA como una amenaza a su función. El 94% espera utilizarla más en su enseñanza. Estas cifras no describen a docentes que rechazan una herramienta por desconfianza. Algo más mantiene separados el 50% y el 19%.
Qué muestran realmente las cifras
- El 50% de los estudiantes apoya los comentarios con IA sobre sus trabajos; solo el 19% del profesorado los ofrece.
- El 12% del profesorado considera que la IA amenaza su función: una proporción lo bastante baja para descartar la resistencia como explicación principal.
- El 94% del profesorado espera usar IA en su enseñanza, independientemente de sus años de experiencia.
- El 79% del profesorado ya utiliza IA activamente de alguna manera, aunque todavía no específicamente para dar comentarios.
Hector G. Ceballos, responsable del Living Lab y Data Hub del Institute for the Future of Education del Tecnológico de Monterrey, señaló algo similar: comprender cómo docentes y estudiantes experimentan la IA en los comentarios y la evaluación es justamente la evidencia que necesitan las instituciones para definir políticas y lineamientos, no un detalle secundario.
El verdadero obstáculo es una habilidad, no una actitud
Otra investigación del DEC ayuda a explicar el mecanismo. El AI Skills Opportunity Map, una iniciativa del Digital Education Council con Google.org, analizó el efecto de la IA en once familias profesionales y encontró que los profesionales de educación y enseñanza presentan la mayor integración de IA entre las profesiones estudiadas. También identificó el diseño de evaluaciones como una de las cinco habilidades que la IA ha redefinido estructuralmente para los educadores. Dar comentarios útiles sobre un trabajo elaborado con IA no es lo mismo que evaluar uno producido sin ella. Ahora, el docente necesita diseñar una evaluación capaz de distinguir la comprensión demostrada de una respuesta bien presentada por IA. Es una habilidad genuinamente nueva, no una versión más rápida de una práctica anterior.
Esto cambia cómo debemos interpretar el 19%. No significa que el 19% del profesorado elija dar comentarios mientras el resto se niega. Se acerca más a un 19% que ya reconstruyó su práctica de evaluación para un aula con IA, mientras el otro 81% sigue enseñando con herramientas pensadas para una realidad que ya no existe. La investigación del DEC es clara: esta habilidad debe desarrollarse en secuencia, incorporando la IA después de consolidar el conocimiento de la disciplina, no para reemplazarlo. La solución, por tanto, no es una sola capacitación. Es una capacidad estructurada y continua que necesita tiempo y apoyo.
De dónde debe venir la estructura
Las instituciones que esperan que la brecha se cierre sola están esperando que cada docente reinvente el diseño de evaluaciones de forma independiente, aula por aula, sin un criterio compartido de cómo deben ser los “comentarios con IA”. Es una manera lenta e inconsistente de superar una diferencia de 31 puntos y deja toda la responsabilidad en quien menos puede resolver el problema por su cuenta.
La formación docente y el AI Agent de Jinso están pensados precisamente para aportar esa base. La capacitación ilimitada, en vivo y bajo demanda, desarrolla la habilidad específica que la investigación del DEC identifica como pendiente: no conocimientos genéricos de IA, sino práctica estructurada para diseñar evaluaciones capaces de analizar trabajos realizados con su apoyo. Al mismo tiempo, las evaluaciones automatizadas, ya calificadas con IA y publicadas en el LMS institucional, ofrecen un ejemplo práctico antes de que cada docente tenga que crearlo desde cero. Una institución que entrega un modelo funcional de evaluación con IA, en lugar de un memorando que pide a los docentes resolverlo solos, está cerrando una brecha de habilidades, no solo poniéndole nombre.
Los 31 puntos entre lo que quieren los estudiantes latinoamericanos y lo que ofrece actualmente el profesorado no son un problema de motivación a la espera de más estímulos. Son una brecha de habilidades que necesita formación e infraestructura. Las instituciones que construyan esa base primero no tendrán que convencer a sus docentes: la demanda ya está en los datos de la encuesta, todavía sin atender.
Referencias
- El 92% de los estudiantes y el 79% del profesorado utilizan IA activamente: resultados de AI in Higher Education LATAM Survey 2026 — Digital Education Council, 6 de febrero de 2026.
- La profesión que enseña preparación para la IA resulta ser la que más la necesita — Digital Education Council, a partir del AI Skills Opportunity Map, 11 de junio de 2026.