IA en las escuelas brasileñas: nuevas reglas establecen límites al uso de la inteligencia artificial por estudiantes y profesores
Brasil comienza a establecer límites más claros para el uso de inteligencia artificial en la educación. Comprende cómo la supervisión humana, la protección de datos, la evaluación escolar y la alfabetización en IA están rediseñando el aula.
IA en las escuelas brasileñas: nuevas reglas establecen límites al uso de la inteligencia artificial por estudiantes y profesores
La discusión sobre inteligencia artificial en las escuelas brasileñas está entrando en una nueva etapa.
Durante los primeros años de popularización de la IA generativa, gran parte del debate educativo giraba en torno a una pregunta relativamente simple:
¿Puede un estudiante utilizar inteligencia artificial para realizar un trabajo?
Esta pregunta sigue siendo importante.
Pero ya no es suficiente.
En 2 de septiembre de 2026, el debate brasileño comienza a involucrar cuestiones mucho más amplias:
- ¿los niños deben utilizar IA sin supervisión?
- ¿una IA puede corregir un examen?
- ¿las escuelas pueden enviar datos de estudiantes a modelos generativos?
- ¿los sistemas automatizados pueden evaluar el comportamiento?
- ¿los profesores deben informar cuando utilizaron IA?
- ¿cómo identificar una actividad producida por el alumno y una producida por una máquina?
- ¿cuál debe ser el papel de la IA en el proceso de aprendizaje?
El Consejo Nacional de Educación (CNE) ha avanzado en la creación de directrices nacionales para el uso de inteligencia artificial en la educación brasileña, estableciendo una lógica basada en supervisión humana, protección de niños y adolescentes, transparencia y clasificación de riesgos.
Uno de los cambios más relevantes afecta a la educación infantil y a los primeros años de la enseñanza fundamental.
La tendencia regulatoria es clara:
Cuanto menor sea la edad del estudiante y cuanto mayor sea el impacto de la decisión, mayor debe ser la supervisión humana.
Esta lógica puede parecer restringida a las escuelas.
No lo está.
Anticipa un debate que las empresas también tendrán que enfrentar en los próximos años.
La pregunta fundamental será la misma:
¿Qué decisiones podemos delegar a la inteligencia artificial y cuáles deben seguir bajo responsabilidad humana?
Brasil comienza a salir de la fase de "¿se puede o no se puede usar ChatGPT?"
Cuando las herramientas de IA generativa se popularizaron, las escuelas enfrentaron un problema inmediato.
Un profesor solicitaba una redacción.
El estudiante escribía algunas instrucciones en una inteligencia artificial.
Segundos después, recibía un texto completo.
Esto produjo una reacción comprensible.
Algunas instituciones intentaron prohibirla.
Otras la ignoraron.
Otras comenzaron a experimentar.
Pero la discusión evolucionó.
Hoy, la inteligencia artificial puede participar prácticamente en todas las etapas del proceso educativo.
Planificación de la clase
↓
Creación de material
↓
Explicación personalizada
↓
Ejercicios
↓
Corrección
↓
Evaluación
↓
Análisis de desempeño
↓
Recomendación pedagógica
Esto significa que ya no estamos hablando únicamente de una herramienta utilizada por el estudiante.
Estamos hablando de una posible infraestructura educativa basada en IA.
La primera gran diferencia: utilizar IA y delegar decisiones a la IA no son lo mismo
Esta distinción es fundamental.
Imaginemos dos escenarios.
Escenario A
Un profesor utiliza inteligencia artificial para generar diez ideas de ejercicios sobre la Revolución Francesa.
Analiza las sugerencias.
Selecciona cinco.
Corrige errores.
Las adapta para su clase.
Publica la actividad.
En este caso:
IA
↓
Sugerencia
↓
Profesor
↓
Análisis
↓
Decisión
Ahora consideremos otro escenario.
Escenario B
Una inteligencia artificial analiza automáticamente las respuestas de un estudiante y decide que tiene un bajo rendimiento.
Basándose en eso, el sistema reduce su calificación o produce una recomendación académica.
Ahora tenemos:
Estudiante
↓
Datos
↓
IA
↓
Evaluación
↓
Consecuencia
Ambos casos utilizan inteligencia artificial.
Pero el riesgo es completamente diferente.
La lógica de riesgo comienza a entrar en la educación
Este es un cambio importante.
En lugar de preguntar simplemente:
"¿Existe IA en este proceso?"
la pregunta pasa a ser:
"¿Cuál es el impacto de la IA en este proceso?"
Una herramienta utilizada para crear sugerencias de actividades tiene un determinado nivel de riesgo.
Un sistema utilizado para decidir la calificación de un niño tiene otro.
Una posible matriz de riesgo podría ser:
| Uso de la IA | Riesgo potencial | Supervisión |
|---|---|---|
| Crear ideas de ejercicios | Bajo | El profesor revisa |
| Resumir contenido | Bajo | Revisión recomendada |
| Personalizar actividades | Medio | Supervisión docente |
| Corregir preguntas objetivas | Medio | Auditoría |
| Corregir respuestas subjetivas | Alto | Revisión humana |
| Evaluar comportamiento | Alto | Fuerte control |
| Aplicar sanciones | Muy alto | Decisión humana |
| Analizar datos biométricos | Muy alto | Control riguroso |
Esta lógica acerca la educación a debates que ya existen en gobernanza de inteligencia artificial.
Los niños requieren una capa adicional de protección
Existe una diferencia importante entre implementar inteligencia artificial en una empresa y ponerla a disposición de un niño.
Los adultos tampoco comprenden necesariamente por completo cómo funciona un modelo.
Pero los niños se encuentran en proceso de formación.
Esto implica:
- desarrollo cognitivo;
- formación del pensamiento crítico;
- construcción de autonomía;
- desarrollo de la escritura;
- capacidad de argumentación;
- interpretación de fuentes;
- formación social.
Por eso, simplemente entregar una inteligencia artificial a un niño y decir:
"Úsala para aprender."
puede ser pedagógicamente insuficiente.
El riesgo de la externalización cognitiva
Existe un concepto importante para comprender este problema.
Podemos llamarlo externalización cognitiva.
Consideremos una actividad.
El profesor pregunta:
Explica por qué ocurrió la Revolución Francesa.
El objetivo pedagógico no es simplemente obtener una respuesta correcta.
El estudiante necesita:
- leer;
- interpretar;
- organizar información;
- establecer relaciones;
- formular una explicación;
- escribir.
Ahora imaginemos:
Pregunta
↓
Copiar
↓
Pegar en la IA
↓
Respuesta
↓
Copiar
↓
Entregar
El resultado final puede ser correcto.
Pero el proceso cognitivo desaparece.
Este es el punto central.
En educación, el producto final no es el único objetivo. El proceso para llegar hasta él también forma parte del aprendizaje.
Una calculadora ofrece una comparación interesante
Esta discusión no es completamente nueva.
Cuando las calculadoras comenzaron a entrar en las escuelas, surgió una preocupación similar.
Si la calculadora puede resolver:
728 × 47
¿por qué el estudiante necesita aprender multiplicación?
La respuesta está en el objetivo pedagógico.
En determinado momento, el alumno necesita comprender el proceso.
Después, la herramienta puede aumentar su productividad.
Podemos pensar en la IA de forma similar.
ANTES DE DESARROLLAR LA COMPETENCIA
La IA sustituye el esfuerzo
↓
Puede perjudicar el aprendizaje
DESPUÉS DE DESARROLLAR LA COMPETENCIA
La IA amplía la capacidad
↓
Puede aumentar la productividad
La dificultad está en descubrir cuándo ocurre esa transición.
¿El estudiante necesita aprender a escribir antes de delegar la escritura?
Esta pregunta será central en los próximos años.
Imaginemos a un niño aprendiendo redacción.
Necesita desarrollar:
- vocabulario;
- estructura;
- argumentación;
- cohesión;
- creatividad;
- capacidad de revisión.
Si la inteligencia artificial produce el texto desde el principio, parte de ese desarrollo puede verse perjudicado.
Pero para un estudiante más avanzado, la misma IA puede funcionar como:
- revisora;
- interlocutora;
- tutora;
- generadora de contrapuntos;
- herramienta de investigación;
- asistente de estructuración.
Por lo tanto, el problema quizá no sea:
utilizar o no utilizar IA.
Sino:
en qué etapa del desarrollo utilizarla y con qué finalidad.
El profesor no puede desaparecer del proceso
Una de las ideas centrales de las nuevas discusiones regulatorias es preservar la responsabilidad humana.
Esto es especialmente importante en la educación.
Una IA puede identificar patrones.
Pero el profesor conoce elementos que quizá no estén presentes en los datos.
Imaginemos un estudiante cuyo rendimiento cayó durante dos semanas.
El sistema ve:
Calificaciones más bajas
+
menos actividades
+
más errores
=
caída de rendimiento
El profesor quizá sepa:
Los padres del estudiante se están divorciando y él está atravesando un período emocionalmente difícil.
Esa información cambia completamente la interpretación.
La inteligencia artificial trabaja con los datos disponibles.
El profesor trabaja también con contexto humano.
La IA no debería transformar la educación en una fábrica de métricas
Existe un riesgo adicional.
Cuantos más sistemas digitales entran en la educación, más datos pueden recopilarse.
Por ejemplo:
Tiempo de lectura
Número de errores
Velocidad de respuesta
Horario de acceso
Cantidad de intentos
Participación
Calificaciones
Asistencia
Comportamiento
Con inteligencia artificial, todos estos datos pueden correlacionarse.
Esto puede producir herramientas extremadamente útiles.
Pero también puede crear una visión excesivamente cuantitativa del estudiante.
Un niño no es solamente:
Estudiante #29481
Rendimiento: 71%
Participación: 63%
Riesgo académico: 42%
La educación tiene dimensiones que son difíciles de transformar en números.
Los datos educativos son extremadamente sensibles
Este punto interesa directamente a la seguridad digital.
Imaginemos una plataforma educativa que contenga:
- nombre;
- edad;
- dirección;
- calificaciones;
- dificultades de aprendizaje;
- historial escolar;
- comportamiento;
- información familiar;
- eventualmente datos biométricos.
Ahora imaginemos que esos datos son enviados a distintos sistemas de inteligencia artificial.
La arquitectura puede convertirse en:
ESCUELA
↓
Plataforma educativa
↓
API
↓
Modelo de IA
↓
Otro proveedor
↓
Cloud
Cada nueva conexión amplía la superficie de gobernanza.
La LGPD sigue aplicándose cuando existe inteligencia artificial
Existe un error común en proyectos de IA.
Empresas e instituciones a veces tratan la inteligencia artificial como si fuera una categoría completamente separada de la legislación existente.
No lo es.
Si un sistema procesa datos personales, la Ley General de Protección de Datos (LGPD) sigue siendo relevante.
En el entorno educativo, la cuestión adquiere todavía más peso porque a menudo estamos hablando de datos de niños y adolescentes.
Esto significa que las escuelas deben preguntarse:
- ¿qué datos se están recopilando?
- ¿por qué se recopilan?
- ¿dónde se almacenan?
- ¿quién tiene acceso?
- ¿qué proveedores reciben esos datos?
- ¿durante cuánto tiempo se almacenan?
- ¿esos datos son realmente necesarios?
El problema de "copiar y pegar" datos en la IA
Imaginemos a un profesor utilizando una herramienta pública de inteligencia artificial.
Quiere ayuda para analizar el rendimiento de su clase.
Entonces copia:
João da Silva — calificación 4,2
Maria Santos — calificación 8,7
Pedro Souza — calificación 5,1
Ana Oliveira — calificación 9,3
y lo envía al sistema.
Puede parecer algo inocente.
Pero existe una pregunta fundamental:
¿Esta herramienta estaba autorizada a recibir esos datos personales?
Aquí es donde la gobernanza entra en la rutina.
El problema de seguridad no siempre es un hacker sofisticado.
A veces es simplemente un empleado utilizando una herramienta útil de la manera equivocada.
Shadow AI también existe en las escuelas
Las empresas ya enfrentan un fenómeno conocido como Shadow AI.
Ocurre cuando los empleados utilizan herramientas de inteligencia artificial sin aprobación o conocimiento formal de la organización.
Por ejemplo:
La empresa aprueba IA A
Empleado utiliza IA B
Empleado utiliza IA C
Empleado instala extensión D
Empleado conecta agente E
En las escuelas puede ocurrir algo similar.
Profesores y empleados pueden utilizar:
- chatbots;
- generadores de presentaciones;
- correctores automáticos;
- generadores de imágenes;
- transcriptores;
- extensiones de navegador;
- plataformas de actividades.
Cada herramienta puede recibir datos.
Por eso, simplemente decir:
"Nuestra escuela utiliza inteligencia artificial."
no es suficiente.
La institución necesita saber qué inteligencias artificiales están siendo utilizadas.
La escuela necesitará una política de IA
En los próximos años, las políticas institucionales de inteligencia artificial deberían volverse tan comunes como las políticas de:
- seguridad;
- privacidad;
- uso de internet;
- dispositivos;
- evaluación.
Una política básica podría responder:
¿Qué herramientas están permitidas?
↓
¿Qué datos pueden enviarse?
↓
¿Qué actividades pueden utilizar IA?
↓
¿Cuándo debe el estudiante informar su uso?
↓
¿Cuándo debe el profesor revisar?
↓
¿Qué decisiones no pueden automatizarse?
↓
¿Cómo se reportarán los incidentes?
Esto transforma la IA de una experiencia informal en un proceso gobernado.
Prohibir completamente probablemente no será suficiente
Existe una tentación comprensible:
"Simplemente prohibamos la inteligencia artificial."
Pero esto crea dificultades prácticas.
Primero, porque la tecnología está siendo incorporada a herramientas que los estudiantes ya utilizan.
Segundo, porque los alumnos necesitarán aprender a trabajar con IA en el mercado laboral.
Tercero, porque prohibición no significa necesariamente ausencia de uso.
Puede significar simplemente uso oculto.
El escenario se convierte en:
PROHIBICIÓN
↓
El estudiante sigue usando IA
↓
Uso oculto
↓
El profesor no puede orientar
↓
Menor educación sobre riesgos
Por eso, la educación digital puede ser más eficiente que la prohibición absoluta.
El objetivo debe ser la alfabetización en IA
Durante décadas, alfabetización significaba principalmente aprender:
- leer;
- escribir;
- interpretar.
Después añadimos alfabetización digital.
Ahora surge una nueva competencia:
alfabetización en inteligencia artificial.
Esto significa comprender al menos conceptos básicos como:
- los modelos pueden equivocarse;
- las respuestas pueden ser inventadas;
- la IA no "sabe" en el mismo sentido humano;
- los prompts influyen en las respuestas;
- los datos enviados pueden tener implicaciones de privacidad;
- los resultados deben verificarse;
- el contenido generado debe utilizarse de forma ética.
Saber preguntar no es suficiente
Existe mucha discusión sobre prompt engineering.
Pero la alfabetización en IA no puede reducirse a:
"Aprender a escribir buenos prompts."
Un usuario realmente preparado necesita saber:
PREGUNTAR
+
EVALUAR
+
VERIFICAR
+
CUESTIONAR
+
EDITAR
+
DECIDIR
La habilidad más importante quizá no sea conseguir una buena respuesta de la IA.
Puede ser darse cuenta cuando la respuesta está equivocada.
La alucinación cambia de significado dentro del aula
Los modelos generativos pueden producir información incorrecta con apariencia convincente.
Este fenómeno suele denominarse alucinación.
Imaginemos a un estudiante preguntando:
¿Quién firmó determinado tratado histórico?
La IA responde con:
- nombre;
- fecha;
- contexto;
- explicación.
Todo parece perfecto.
Pero parte de la información fue inventada.
Un alumno sin conocimiento previo puede no darse cuenta.
Por eso, la IA crea una paradoja educativa:
Para utilizar bien una herramienta que ofrece respuestas, el estudiante necesita desarrollar suficiente conocimiento para cuestionar las propias respuestas de la herramienta.
Las fuentes vuelven a ser fundamentales
Durante algún tiempo, los motores de búsqueda acostumbraron a los usuarios a recibir una lista de fuentes.
Los chatbots cambiaron esa experiencia.
En lugar de:
Pregunta
↓
10 enlaces
↓
Usuario investiga
tenemos:
Pregunta
↓
Respuesta lista
Esto es extremadamente conveniente.
Pero puede eliminar una etapa importante: investigar el origen de la información.
En educación, los profesores deberán reforzar preguntas como:
- ¿cuál es la fuente?
- ¿quién publicó?
- ¿cuándo?
- ¿existe evidencia?
- ¿otras fuentes confirman?
- ¿la referencia realmente existe?
Las evaluaciones también tendrán que cambiar
Si la inteligencia artificial puede producir una redacción tradicional en segundos, las evaluaciones basadas únicamente en la entrega de contenido pueden perder parte de su capacidad para medir el aprendizaje.
Esto no significa abandonar los trabajos escritos.
Significa rediseñar las evaluaciones.
Por ejemplo:
Modelo tradicional
Escribe 2 páginas sobre la Revolución Industrial.
Modelo adaptado a la era de la IA
1. Produce una explicación inicial.
2. Pide a una IA que presente tres interpretaciones diferentes.
3. Identifica errores o simplificaciones.
4. Compara con dos fuentes académicas.
5. Explica qué argumentos aceptaste o rechazaste.
6. Defiende oralmente tu conclusión.
Ahora la inteligencia artificial forma parte de la actividad.
Pero no sustituye el pensamiento.
El proceso puede valer más que la respuesta final
Este cambio puede transformar profundamente la educación.
En lugar de evaluar solamente:
"¿Cuál fue la respuesta?"
el profesor puede evaluar:
"¿Cómo llegaste a esa respuesta?"
Esto favorece:
- razonamiento;
- investigación;
- argumentación;
- verificación;
- autoría;
- pensamiento crítico.
Curiosamente, la inteligencia artificial puede acabar obligando a las escuelas a valorar todavía más las habilidades humanas.
Los profesores necesitarán capacitación antes que los estudiantes
No es razonable exigir que los profesores orienten a los estudiantes sobre una tecnología que ellos mismos no tuvieron oportunidad de comprender.
La formación docente será esencial.
Un programa de capacitación podría incluir:
MÓDULO 1
Cómo funcionan los modelos generativos
MÓDULO 2
Prompts y limitaciones
MÓDULO 3
Alucinaciones y verificación
MÓDULO 4
Privacidad y LGPD
MÓDULO 5
Evaluación en la era de la IA
MÓDULO 6
Ética y autoría
MÓDULO 7
Herramientas pedagógicas
MÓDULO 8
Seguridad digital
El objetivo no es convertir a todos los profesores en ingenieros de inteligencia artificial.
Es ofrecer competencia suficiente para utilizar y supervisar la tecnología.
La IA puede ser extremadamente útil cuando se aplica correctamente
Un enfoque basado en riesgo no significa asumir que la inteligencia artificial es negativa para la educación.
Existen aplicaciones extremadamente interesantes.
Un profesor puede utilizar IA para:
- adaptar una explicación;
- crear ejercicios;
- generar ejemplos;
- preparar actividades;
- comparar enfoques;
- simplificar textos;
- crear material accesible;
- producir preguntas;
- simular debates.
Un estudiante puede utilizarla para:
- pedir una explicación diferente;
- practicar idiomas;
- revisar conceptos;
- recibir preguntas;
- simular una entrevista;
- poner a prueba sus conocimientos.
El punto es simple:
La IA funciona mejor como amplificadora del proceso educativo que como sustituta del proceso educativo.
Imaginemos una IA como tutora socrática
En lugar de entregar la respuesta inmediatamente, un sistema educativo podría preguntar:
¿Qué sabes ya sobre este problema?
Después:
¿Cuál sería tu primera hipótesis?
Después:
¿Qué evidencia podría confirmar esa hipótesis?
Después:
¿Existe alguna interpretación alternativa?
En este modelo:
El estudiante piensa
↓
La IA pregunta
↓
El estudiante responde
↓
La IA desafía
↓
El estudiante reconsidera
↓
Aprendizaje
La inteligencia artificial no sustituye el razonamiento.
Lo estimula.
Esto también interesa a las empresas tecnológicas
La regulación educativa crea oportunidades para empresas de tecnología.
Las escuelas necesitarán sistemas que ofrezcan:
- control de acceso;
- gestión de identidad;
- logs;
- auditoría;
- protección de datos;
- supervisión;
- entornos seguros;
- control de herramientas;
- políticas de utilización.
No basta con ofrecer:
"Tenemos IA."
El mercado deberá exigir:
"Tenemos IA gobernable."
Las EdTech deberán pensar en compliance desde el producto
Una empresa que desarrolla tecnología educativa necesita considerar desde el principio:
Producto
↓
Datos recopilados
↓
Finalidad
↓
Consentimiento / base legal
↓
Seguridad
↓
Modelo de IA
↓
Decisión
↓
Auditoría
Añadir gobernanza después de que el producto ya está terminado suele ser más difícil.
Por eso crece la importancia de conceptos como:
Privacy by Design
y
AI Governance by Design
Es decir:
la privacidad y la gobernanza deben formar parte de la arquitectura desde el principio.
La discusión en las escuelas anticipa el futuro de las empresas
Existe una conexión interesante.
Hoy preguntamos:
¿Puede una IA decidir la calificación de un estudiante?
Mañana las empresas preguntarán:
¿Puede una IA decidir a quién contratar?
O:
¿Quién recibe crédito?
O:
¿Qué cliente será bloqueado?
O:
¿Qué empleado será promovido?
La estructura ética es similar.
La IA produce una recomendación
↓
¿Existe un impacto relevante?
↓
SÍ
↓
Supervisión humana
↓
Responsabilidad
↓
Auditoría
La educación se está convirtiendo en uno de los primeros grandes laboratorios sociales de esta discusión.
La supervisión humana no puede ser solo simbólica
Existe además un detalle importante.
Colocar a un humano en el proceso no resuelve automáticamente el problema.
Imaginemos:
IA analiza 10.000 casos
↓
Humano recibe recomendación
↓
Hace clic en "aprobar"
Técnicamente existe supervisión humana.
En la práctica, quizá no exista un análisis real.
Esto se denomina, en algunos contextos, automation bias: la tendencia a confiar excesivamente en recomendaciones de sistemas automatizados.
Por lo tanto, la supervisión debe ser significativa.
El humano necesita tener:
- información;
- autoridad;
- tiempo;
- capacidad de cuestionamiento.
Tendremos que aprender a discrepar de la máquina
Quizá esta sea una de las habilidades más importantes de la era de la inteligencia artificial.
Durante décadas, enseñar tecnología significaba aprender a utilizarla.
Ahora también tendremos que enseñar:
cuándo no obedecerla.
Un estudiante necesita poder decir:
Esta respuesta está equivocada.
Un profesor:
Esta recomendación no considera el contexto.
Un empleado:
Esta automatización no debería ejecutar esta acción.
Un gestor:
Este modelo no tiene evidencias suficientes para tomar esta decisión.
Eso es madurez digital.
El futuro no será "humano versus IA"
Gran parte de la discusión pública todavía utiliza una oposición simple:
HUMANO
VS
INTELIGENCIA ARTIFICIAL
Pero el escenario más probable es:
HUMANO
+
INTELIGENCIA ARTIFICIAL
+
REGLAS
+
PROCESOS
+
RESPONSABILIDAD
La pregunta no será si utilizaremos IA.
Será cómo distribuiremos autoridad entre humanos y sistemas automatizados.
¿Qué pueden hacer las escuelas ahora?
Incluso antes de la consolidación de todas las normas, las instituciones pueden comenzar con medidas prácticas.
1. Mapear herramientas
Identificar qué sistemas de IA utilizan profesores, empleados y estudiantes.
2. Clasificar datos
Definir qué información nunca debe introducirse en herramientas públicas.
3. Crear reglas por grupo de edad
Un niño de ocho años no debería tener necesariamente el mismo nivel de autonomía tecnológica que un estudiante de diecisiete.
4. Revisar evaluaciones
Identificar actividades que puedan ser completamente externalizadas a una IA.
5. Capacitar a profesores
No solo en herramientas, sino también en:
- ética;
- seguridad;
- privacidad;
- verificación.
6. Exigir transparencia
Cuando corresponda, los estudiantes pueden informar:
Herramienta utilizada:
Finalidad:
Prompt principal:
Cómo se verificó la respuesta:
Qué fue modificado por el estudiante:
7. Preservar decisiones humanas
Las decisiones de alto impacto necesitan una supervisión efectiva.
La escuela quizá necesite enseñar IA del mismo modo que enseña fuentes
Existe una oportunidad pedagógica importante.
En lugar de tratar la inteligencia artificial únicamente como una amenaza a la autoría, los profesores pueden convertirla en objeto de análisis.
Por ejemplo:
Pregunta a la IA sobre determinado acontecimiento histórico.
Después:
Identifica tres afirmaciones.
Después:
Verifica cada una en fuentes confiables.
Después:
Explica dónde la respuesta fue precisa y dónde simplificó el tema.
Ahora la IA se transforma en un laboratorio de pensamiento crítico.
El objetivo no es formar usuarios dependientes de la IA
Una mala educación tecnológica puede producir personas que saben preguntar todo a una máquina.
Una buena educación tecnológica debería producir personas capaces de decidir:
cuándo utilizarla;
cómo utilizarla;
cómo verificar;
cuándo desconfiar;
y cuándo simplemente no utilizarla.
Esta diferencia será cada vez más importante.
La inteligencia artificial está obligando a la educación a volver a la pregunta fundamental
Existe una ironía interesante.
Cuanto más capaces son las máquinas de producir respuestas, más importante se vuelve preguntar:
¿Qué significa aprender?
Si aprender significara únicamente producir una respuesta correcta, una IA resolvería gran parte del problema.
Pero la educación implica:
- comprensión;
- memoria;
- razonamiento;
- juicio;
- creatividad;
- interpretación;
- diálogo;
- formación humana.
Esto explica por qué simplemente sustituir tareas por automatización no representa necesariamente una evolución educativa.
Conclusión
La regulación de la inteligencia artificial en las escuelas brasileñas representa mucho más que una discusión sobre tecnología educativa.
Plantea una pregunta fundamental para toda la sociedad:
¿Cuánta autoridad estamos dispuestos a entregar a los sistemas de inteligencia artificial?
En la educación, esta pregunta se vuelve especialmente sensible porque estamos tratando con personas en formación.
La inteligencia artificial puede ayudar a los profesores.
Puede personalizar explicaciones.
Puede ampliar el acceso.
Puede reducir tareas administrativas.
Puede crear nuevas experiencias de aprendizaje.
Pero también puede:
- incentivar dependencia;
- exponer datos;
- reproducir errores;
- automatizar juicios;
- reducir procesos cognitivos;
- crear decisiones difíciles de auditar.
La respuesta más madura probablemente no será prohibir completamente ni liberar completamente.
Será construir gobernanza.
Esto significa combinar:
INNOVACIÓN
+
SUPERVISIÓN
+
SEGURIDAD
+
PRIVACIDAD
+
TRANSPARENCIA
+
RESPONSABILIDAD
Y existe una lección que va más allá de los muros de la escuela.
Los niños que hoy aprenden a utilizar inteligencia artificial serán los profesionales que mañana trabajarán junto a agentes autónomos, automatizaciones y sistemas generativos.
Enseñar solamente cómo utilizar IA será insuficiente.
Tendremos que enseñar algo más difícil:
cómo seguir pensando cuando existe una máquina siempre lista para pensar por ti.
Tal vez este sea uno de los mayores desafíos educativos de la era de la inteligencia artificial.
Referencias
Consejo Nacional de Educación (CNE) / Ministerio de Educación de Brasil. Actos, pareceres y discusiones regulatorias sobre inteligencia artificial, educación digital y uso de tecnologías en la educación básica.
Ministerio de Educación de Brasil (MEC). Directrices y actos relacionados con educación digital, integración curricular y políticas educativas brasileñas.
Secretaría de Educación del Estado de Bahía. SEC establece directrices para el uso de la Inteligencia Artificial en el aula. Publicado el 21 de febrero de 2026.
Secretaría de Comunicación Social de la Presidencia de la República. Iniciativas de currículo de Educación Digital e IA y educación mediática.
Ley nº 13.709/2018. Ley General de Protección de Datos Personales — LGPD.
Ley nº 14.533/2023. Política Nacional de Educación Digital — PNED.
Resolución CNE/CEB nº 2/2025. Directrices Operativas Nacionales sobre el uso de dispositivos digitales en espacios escolares y la integración curricular de la educación digital y mediática.
Aviso editorial: este contenido tiene carácter informativo y analítico y no sustituye asesoramiento jurídico, regulatorio o pedagógico específico. Las normas aprobadas por órganos colegiados pueden depender de homologación, publicación o reglamentación posterior antes de producir todos sus efectos jurídicos.
Contenido producido para el Blog de Vórtice — tecnología, inteligencia artificial, seguridad, regulación, automatización y transformación digital.
Comentarios 0
Participa con respeto y contribuye a la discusión.
Ainda não há comentários publicados. Seja a primeira pessoa a participar.