Cuando alguien me pregunta qué hace Ethiceye, la respuesta más corta es esta: no enseñamos a usar ChatGPT, eso lo hace cualquiera. Lo que hacemos es construir con organizaciones y docentes la capacidad de decidir cuándo usarlo, para qué, con qué límites y qué no van a delegar nunca en una máquina.
Eso tiene un nombre: criterio. Y no es lo mismo que conocer herramientas.
La diferencia parece sutil. No lo es.
Saber usar ChatGPT no te protege cuando ChatGPT cambia. Tener criterio sí. |
Lo que da aprender herramientas
Aprender a usar herramientas de IA te da eficiencia a corto plazo. Puedes generar texto más rápido, resumir documentos, crear presentaciones, automatizar tareas repetitivas. Eso tiene valor.
Pero las herramientas cambian. ChatGPT de hoy no es el mismo que había hace doce meses. El que habrá dentro de doce meses no se parece a este. Las funcionalidades, los límites, los modelos, las interfaces, todo cambia continuamente.
Lo que aprendiste sobre una herramienta concreta caduca. Y si lo que tienes es solo conocimiento de herramientas, tienes que volver a aprender cada vez que cambia algo. Lo cual, en IA, es prácticamente constante.
Lo que da construir criterio
El criterio es distinto. No depende de qué herramienta uses ni de cómo funcione técnicamente. Depende de preguntas que siguen siendo válidas independientemente de la herramienta:
¿Para qué uso exactamente esta IA en este contexto? ¿Qué datos procesa y qué consecuencias tiene eso? ¿Qué sesgos puede tener en este caso concreto? ¿Qué verifico antes de usar su output? ¿Qué decisiones no voy a delegar nunca en una máquina?
Esas preguntas funcionan con ChatGPT, con Gemini, con Claude, con Copilot o con la herramienta que exista dentro de tres años. El criterio no caduca porque no está anclado a una tecnología específica, está anclado al juicio propio.
Por qué esto importa en las organizaciones
He entrado en organizaciones que habían hecho formaciones extensas sobre herramientas de IA (talleres de prompting, cursos de Gemini, demos de las últimas novedades) y que sin embargo no podían responder preguntas básicas: ¿quién ha decidido que el equipo puede usar estas herramientas con datos de clientes?, ¿qué pasa si alguien genera un informe con IA y contiene un error?, ¿quién responde?
El conocimiento de herramientas no responde esas preguntas, el criterio sí.
Una organización con criterio puede incorporar una herramienta nueva en días porque ya sabe cómo evaluarla. Puede responder ante un cliente que pregunta cómo usa la IA porque tiene una posición documentada. Puede gestionar un incidente porque tiene un proceso.
Una organización sin criterio aprende la herramienta nueva, pero sigue sin poder responder las preguntas que importan.
Por qué esto importa en educación
Lo mismo aplica en los centros educativos, con una implicación adicional: lo que los docentes hacen con la IA es lo que el alumnado aprende a hacer.
Un claustro que aprende herramientas transmite al alumnado que la IA es un recurso eficiente. Un claustro que tiene criterio transmite algo diferente: que la tecnología se usa con conciencia, que hay preguntas que hacerse antes de delegar y que el pensamiento propio no es opcional.
La diferencia no está en si el docente sabe usar ChatGPT, está en si el docente puede explicar a un alumno por qué algunas cosas no las va a delegar en una máquina. Eso requiere criterio, no solo habilidad técnica.
Lo que los docentes hacen con la IA es lo que el alumnado aprende a hacer. El criterio se enseña con el ejemplo, no con el manual. |
Qué significa construir criterio en la práctica
Construir criterio no es una formación teórica sobre ética de la IA. Es un proceso concreto que tiene entregables reales:
En una organización: una política de uso de IA co-construida con el equipo, que responde quién decide, qué se puede hacer y quién responde si algo falla. Algo que el equipo entiende y puede usar mañana.
En un centro educativo: una posición institucional sobre el uso de la IA, construida con el claustro, que da coherencia a las decisiones de cada docente y que el centro puede defender ante el alumnado, las familias o una inspección.
En una persona: un conjunto de preguntas propias (no las de Ethiceye, las suyas) que aplica antes de usar IA en su trabajo. Que sabe qué delega y qué no. Que puede justificar esa decisión.
Eso es lo que queda cuando Ethiceye termina. No el manual de prompts, el criterio.
La pregunta que lo resume
Cuando alguien evalúa si una formación de IA le ha servido, suele preguntarse si ahora sabe usar mejor las herramientas. Es una pregunta razonable.
Pero hay otra pregunta más exigente: ¿sabes ahora qué decisiones no vas a delegar en una máquina?, ¿puedes justificar cómo usas la IA ante quien te importa que confíe en ti?
Si la respuesta a esa pregunta es sí, ha habido criterio. Si la respuesta es solo “sé usar mejor ChatGPT”, ha habido conocimiento de herramientas.
Las dos tienen valor, pero solo una dura.
