Agentes pedagógicos: cuando la IA pasa de asistente a actor

Un chatbot responde. Un agente actúa: planifica, utiliza herramientas, orquesta varias etapas, coordina a otros agentes. Este paso del asistente al actor abre en educación usos nuevos, pero también eleva los desafíos de fiabilidad, ética y control. ¿En qué punto estamos realmente en 2025-2026?

Tres familias de agentes pedagógicos

• El agente-tutor, que dialoga directamente con el estudiante y guía su razonamiento.
• El copiloto del docente, que sugiere, corrige y prepara en tiempo real.
• El sistema multiagente, en el que roles distintos (diseñar, enseñar, evaluar) colaboran.

Las pruebas más sólidas se refieren al copiloto. En el ensayo Tutor CoPilot, un agente que soplaba sugerencias en tiempo real mejoró el dominio de los alumnos, sobre todo el de quienes eran atendidos por los tutores menos experimentados ^[1]. Del lado del agente-tutor, un ensayo en Harvard muestra que un tutor de IA bien diseñado puede hacer aprender más que una clase de aprendizaje activo, y los autores precisan explícitamente que no se trata de sustituir a los docentes ^[2]. Otro ensayo señala que un agente de instrucción aumenta la sensación de control del estudiante y la eficacia de la tarea ^[3].

Los sistemas multiagente para el diseño

Una aplicación prometedora es la generación de material pedagógico por agentes con roles especializados. El sistema Instructional Agents produce recursos de clase listos para usar reduciendo notablemente el tiempo de preparación, sin renunciar a la calidad ^[4]. La arquitectura FACET, por su parte, combina un agente que simula al estudiante, un agente docente y un agente evaluador para generar fichas de ejercicios personalizadas y estables ^[5].

Las zonas de sombra que no hay que ignorar

La prudencia también se impone respecto a las pruebas. Algunos despliegues de agentes como docentes principales solo aportan observaciones preliminares sobre un único curso ^[7]. Y varios marcos ambiciosos anuncian métricas halagüeñas —por ejemplo, tasas de recomendación muy altas— que siguen siendo autodeclaradas y no validadas de forma independiente ^[8]. La distancia entre demostración y prueba sigue siendo amplia.

Un agente que actúa sin ser auditado no es un avance pedagógico: es un riesgo disfrazado de funcionalidad.

Síntesis Learnya

La IA agéntica es tanto más valiosa cuanto que permanece bajo supervisión humana y dentro de un marco de datos controlado, un punto crucial para las instituciones europeas y suizas. Bien diseñados, los agentes liberan tiempo docente y amplían el acompañamiento; mal encuadrados, propagan errores a gran escala y opacan las decisiones.

Autonomía creciente, responsabilidad constante

El verdadero cambio de paradigma no es la potencia de los modelos, sino su autonomía: un agente que planifica, invoca herramientas y encadena decisiones sin validación humana en cada paso. Esa autonomía multiplica la utilidad, y también el riesgo. El error de un chatbot es local; el error de un agente que actúa se propaga por toda una cadena de acciones. De ahí la importancia de definir puntos de control en los que el ser humano conserve el mando sobre las decisiones de peso.

La revisión de alcance más reciente insiste en puntos ciegos persistentes: privacidad, exactitud, autonomía del estudiante ^[6]. Estas cuestiones no son detalles de cumplimiento normativo; tocan el corazón de la relación educativa. Un agente que decide por sí solo el itinerario de un alumno, o que recopila y explota sus datos de actividad sin transparencia, puede socavar la confianza aunque sea técnicamente eficaz.

La madurez de un sistema agéntico se juzga, por tanto, menos por las métricas que anuncia —a menudo autodeclaradas y sin auditar ^[8]— que por su trazabilidad: ¿se puede saber por qué actuó así, dar marcha atrás, corregir? Para las instituciones europeas y suizas, esta exigencia se une a la de la soberanía de los datos: conservar el control sobre lo que el agente ve, memoriza y transmite. La IA agéntica responsable es una IA agéntica supervisable.

El nivel adecuado de autonomía

La pregunta central de los agentes pedagógicos no es «¿hasta dónde pueden llegar?», sino «¿hasta dónde debemos dejarlos llegar?». Un agente puede preparar una clase de forma casi autónoma sin gran riesgo; no debería decidir por sí solo la orientación de un alumno. Definir ese umbral, tarea por tarea, es un trabajo de ingeniería pedagógica tanto como técnica.

Los próximos años probablemente verán consolidarse buenas prácticas: agentes acotados a roles claros, puntos de validación humana en las decisiones sensibles, trazabilidad de las acciones y un marco estricto para los datos que se manejan. Solo con esa condición la IA agéntica cumplirá su promesa —liberar tiempo y ampliar el acompañamiento— sin convertir la escuela en una caja negra. La supervisión no es enemiga de la automatización; es su condición de legitimidad.