La inteligencia artificial generativa puede ayudar al profesorado a crear actividades, adaptar materiales, resumir información, generar preguntas, preparar rúbricas, diseñar situaciones de aprendizaje o explorar nuevas maneras de explicar un contenido. Pero hay una cuestión que marca profundamente la calidad de los resultados: ¿con qué información trabaja la IA?
A menudo hablamos de la importancia de "dar contexto" a un modelo de IA. Y es cierto: explicar el nivel educativo, el objetivo de la tarea, el perfil del alumnado o el formato esperado puede mejorar mucho una respuesta. Pero en muchos casos, el contexto más valioso no es solo el que escribimos en el prompt. También es la documentación que aportamos.
Un currículum oficial, una programación didáctica, una rúbrica propia, un documento de centro, unos criterios de evaluación, un dosier de contenidos, una guía metodológica o unos apuntes revisados pueden cambiar completamente la calidad de una respuesta generada por IA.
Porque la IA no solo necesita instrucciones. Necesita buenas fuentes.
Dar contexto también significa aportar documentación fiable
Cuando usamos IA generativa en educación, no deberíamos limitarnos a pedir respuestas a partir de una instrucción breve. Si queremos resultados rigurosos, ajustados y transferibles al aula, debemos proporcionar al modelo información de calidad.
Esto puede hacerse de dos maneras complementarias.
La primera es redactar un prompt bien contextualizado: explicar qué queremos, para quién, con qué objetivo, bajo qué criterios y en qué formato.
La segunda es aportar documentación de referencia: documentos fiables que ayuden a la IA a trabajar sobre una base más sólida.
Esta segunda dimensión es cada vez más importante. La IA generativa puede producir textos muy convincentes, pero si no sabe qué criterios curriculares debe seguir, qué enfoque metodológico utiliza el centro o qué materiales ya se han trabajado con el alumnado, puede acabar generando propuestas genéricas o poco alineadas.
El contexto documental reduce este riesgo. No elimina la necesidad de revisión humana, pero ayuda a orientar mejor la respuesta.
La calidad de las fuentes condiciona la calidad de las respuestas
En educación, no todas las fuentes tienen el mismo valor. No es lo mismo trabajar con un documento oficial actualizado que con un resumen incompleto. No es lo mismo adjuntar una rúbrica bien definida que una lista vaga de ideas. No es lo mismo proporcionar unos criterios de evaluación claros que pedir simplemente "hazlo competencial".
La IA puede trabajar mejor cuando recibe información que cumple tres condiciones: es relevante, rigurosa y bien estructurada.
Es relevante cuando tiene relación directa con la tarea. Si queremos crear una actividad de aula, pueden ser útiles los objetivos de aprendizaje, los criterios de evaluación, la duración, el nivel educativo o los materiales disponibles.
Es rigurosa cuando proviene de fuentes fiables: normativa educativa, documentos de centro, materiales revisados, bibliografía contrastada, guías institucionales o recursos elaborados con criterio pedagógico.
Es bien estructurada cuando el modelo puede interpretarla con facilidad: apartados claros, títulos descriptivos, criterios identificables, tablas limpias e información no redundante.
Adjuntar documentación no consiste en volcar archivos sin filtro. Consiste en seleccionar aquello que realmente ayudará a la IA a responder mejor.
Del prompt al ecosistema de fuentes
Un buen uso de la IA generativa no se limita a escribir una buena instrucción. Cada vez más, implica construir un pequeño ecosistema de fuentes alrededor de la tarea.
Por ejemplo, un docente que quiere diseñar una situación de aprendizaje puede aportar:
- el currículum o extracto curricular correspondiente;
- los objetivos didácticos de la unidad;
- los criterios de evaluación;
- una rúbrica de centro;
- ejemplos de actividades anteriores;
- una guía metodológica;
- materiales que el alumnado ya ha trabajado;
- restricciones de tiempo, espacio o recursos;
- orientaciones de atención a la diversidad;
- el formato final que necesita.
Con esta base documental, la IA no trabaja en el vacío. Trabaja sobre una realidad educativa más concreta.
Esta es una diferencia importante: el prompt da la dirección; las fuentes dan fundamento.
Modelos genéricos y herramientas específicas: dos maneras de aportar contexto documental
Podemos aportar documentación de calidad tanto a modelos genéricos como a herramientas específicas.
En un modelo genérico, como ChatGPT, Gemini, Claude o Copilot, podemos adjuntar documentos, pegar fragmentos relevantes o resumir fuentes de referencia dentro del prompt. Esto permite pedir tareas como adaptar una actividad a los criterios de evaluación, revisar una rúbrica según una guía, generar preguntas a partir de un texto o sintetizar ideas de un documento.
En herramientas específicas, el trabajo documental puede tener todavía más protagonismo. Algunas plataformas están pensadas precisamente para trabajar con fuentes proporcionadas por el usuario y generar respuestas, resúmenes o materiales a partir de ese corpus documental.
La diferencia no es menor. Cuando una herramienta da más peso a las fuentes aportadas, el proceso se puede orientar mejor hacia la verificabilidad, la trazabilidad y la coherencia con los documentos de referencia.
Esto no significa que la respuesta sea infalible. Significa que disponemos de un punto de partida más controlado y más fácil de revisar.
NotebookLM: cuando las fuentes pasan al centro
NotebookLM es un buen ejemplo de herramienta específica para trabajar con IA generativa a partir de documentación. Su lógica no parte solo de un chat abierto, sino de un conjunto de fuentes que el usuario incorpora a un cuaderno de trabajo.
Esta característica es especialmente interesante en educación, porque permite crear espacios de trabajo basados en materiales concretos: apuntes, dosieres, artículos, documentos curriculares, guías, transcripciones, presentaciones u otros recursos de referencia.
El valor principal de NotebookLM es que da un peso especial a las fuentes documentales que le proporcionamos. Esto permite hacer preguntas sobre los documentos, pedir resúmenes, generar guías de estudio, comparar ideas o extraer puntos clave con una relación más directa con el material original.
Para un docente, esto puede tener aplicaciones muy prácticas:
- preparar una síntesis de un conjunto de documentos;
- transformar apuntes en una guía de estudio;
- generar preguntas de comprensión a partir de un dosier;
- extraer ideas clave de una normativa o documento curricular;
- contrastar diferentes fuentes sobre un mismo tema;
- crear materiales de apoyo a partir de documentación propia;
- ayudar al alumnado a estudiar fuentes seleccionadas por el profesorado.
La idea clave no es que NotebookLM "piense mejor" que otras herramientas, sino que cambia el centro de gravedad: el trabajo no gira solo alrededor del prompt, sino alrededor de las fuentes.
Esto lo convierte en una herramienta especialmente útil cuando queremos que la IA trabaje sobre documentación específica y no solo sobre conocimiento general del modelo.
Fuentes, citas y verificación: una oportunidad para el pensamiento crítico
Trabajar con fuentes documentales también tiene un valor educativo importante: facilita la verificación.
Cuando una herramienta permite consultar las fuentes utilizadas o localizar de dónde sale una afirmación, el docente puede revisar mejor la respuesta. También puede convertir el proceso en una oportunidad para trabajar pensamiento crítico con el alumnado.
La pregunta ya no es solo "¿qué ha respondido la IA?", sino:
- ¿de dónde sale esta información?
- ¿está bien interpretada?
- ¿hay alguna simplificación excesiva?
- ¿falta alguna perspectiva?
- ¿la respuesta respeta los criterios del documento?
- ¿podemos contrastarla con otra fuente?
- ¿es aplicable a nuestro contexto de aula?
Este cambio es fundamental. El objetivo no es que la IA genere una respuesta cerrada, sino que ayude a trabajar mejor con información, criterios y evidencias.
En este sentido, la IA educativa puede contribuir a desarrollar competencia digital docente y competencia informacional, siempre que se utilice con una mirada crítica.
El riesgo de trabajar con malas fuentes
Aportar documentación no garantiza automáticamente una buena respuesta. Si las fuentes son pobres, erróneas, antiguas, incompletas o sesgadas, la IA puede amplificar estos problemas.
Una mala fuente puede generar una respuesta aparentemente coherente, pero conceptualmente débil. Un documento desactualizado puede hacer que la IA proponga criterios ya superados. Una información parcial puede provocar conclusiones desequilibradas. Una fuente poco rigurosa puede introducir errores que después aparecen reformulados con un lenguaje muy convincente.
Este es uno de los grandes retos de la IA generativa: puede dar forma elegante a información deficiente.
Por eso, antes de adjuntar documentos, conviene hacer una selección crítica. No todo lo que tenemos es útil. No todo lo que es largo es riguroso. No todo lo que parece bien redactado es fiable.
El profesorado debe seguir ejerciendo una función esencial: elegir fuentes, revisarlas, ordenarlas y decidir cuáles son adecuadas para la tarea.
Privacidad: documentar mejor no significa exponer más datos
Cuando hablamos de adjuntar documentación, también hay que hablar de privacidad. En contextos educativos, muchos documentos pueden contener datos personales, información sensible, identificadores de alumnado, observaciones individuales, informes internos o evidencias de aprendizaje.
Aportar contexto documental no debe significar exponer datos.
Antes de subir o pegar documentos en una herramienta de IA, es recomendable revisarlos y eliminar información identificable cuando no sea imprescindible. A menudo podemos sustituir datos personales por descripciones agregadas o criterios pedagógicos generales.
Por ejemplo, en lugar de adjuntar un informe individual completo, podemos sintetizar necesidades educativas de manera anónima. En lugar de subir producciones reales con nombres, podemos anonimizarlas. En lugar de compartir documentos internos enteros, podemos seleccionar fragmentos relevantes y eliminar información sensible.
La calidad del contexto no depende de la cantidad de datos personales, sino de la calidad pedagógica de la información compartida.
Esta es una idea clave para el uso responsable de la IA en el aula.
Criterios prácticos para seleccionar documentación antes de utilizar IA
Antes de adjuntar documentos a una herramienta de IA generativa, puede ser útil aplicar una pequeña revisión previa.
Primero, comprueba la finalidad. ¿Qué resultado quieres obtener? No es lo mismo resumir, generar actividades, comparar fuentes, crear una rúbrica o preparar una guía de estudio.
Segundo, selecciona solo las fuentes necesarias. Más documentos no siempre significa mejor respuesta.
Tercero, prioriza fuentes fiables y actualizadas. En educación, esto puede incluir normativa vigente, currículums, documentos de centro, materiales propios revisados, artículos contrastados o guías institucionales.
Cuarto, estructura la información. Si el documento es muy largo o desordenado, puede ser útil preparar un extracto, destacar los apartados clave o indicar al modelo qué partes debe priorizar.
Quinto, protege la privacidad. Elimina datos personales, anonimiza ejemplos y evita compartir información sensible si no es necesario.
Sexto, pide siempre trazabilidad. Es recomendable pedir a la IA que indique en qué fuente o apartado basa sus afirmaciones, especialmente cuando trabajamos con decisiones educativas relevantes.
Séptimo, revisa la respuesta con criterio docente. La IA puede ayudar a leer, sintetizar y generar, pero la validación final sigue siendo humana.
El docente como curador de contexto
En este nuevo escenario, el papel del docente no es solo escribir buenas instrucciones. También es seleccionar buenas fuentes.
Esto convierte al profesorado en curador de contexto. Es decir, en profesional capaz de decidir qué información necesita la IA para ayudar mejor, qué documentos son fiables, qué datos no deben compartirse, qué criterios hay que respetar y cómo debe revisarse el resultado.
Esta mirada es especialmente importante porque evita una visión superficial de la IA generativa. No se trata de usar herramientas para ir más rápido sin pensar. Se trata de construir procesos más informados, más verificables y más coherentes con la realidad educativa.
El criterio docente no desaparece. Se desplaza hacia nuevas decisiones: qué aporto, qué excluyo, qué pido, qué verifico y qué adapto.
Hacia una IA educativa basada en fuentes, criterio y responsabilidad
La IA generativa puede ser una herramienta muy potente para el mundo educativo, pero su utilidad depende en gran parte de la calidad del contexto que le proporcionemos. Y este contexto no es solo una frase bien escrita dentro de un prompt. A menudo es una base documental rigurosa, seleccionada y bien interpretada.
Trabajar con IA a partir de fuentes de calidad permite obtener respuestas más ajustadas, más coherentes y más fáciles de revisar. También ayuda a reducir respuestas genéricas, errores, simplificaciones y usos poco responsables.
Pero la tecnología no resuelve sola el problema de la calidad. Hace falta criterio docente para seleccionar las fuentes, proteger la privacidad, formular buenas demandas, revisar las respuestas y adaptarlas al aula.
En XÈRPIA defendemos una idea clara: la IA no va solo de herramientas. Va de criterio.
Y hoy, una parte esencial de este criterio es saber alimentar la IA con información fiable, documentación rigurosa y finalidades educativas bien definidas.
