IA para profesores: lo que nadie te ha contado sobre preparar y evaluar

La mayoría de artículos sobre “IA para profesores” los escribe gente que no ha estado nunca delante de una clase. Listas de diez herramientas, tablas comparativas, tres consejos generales, y el lunes por la mañana sigues sin saber qué hacer distinto. Este artículo es otra cosa.

Llevo años dando clases. Desde cursos profesionales hasta un máster de diseño donde sigo activo. He preparado clases sin IA y he preparado clases con IA. He corregido trabajos a mano y he corregido trabajos apoyándome en herramientas como Claude o NotebookLM. He diseñado rúbricas en una hoja de Excel a las once de la noche y las he diseñado pidiéndoselas a un modelo y refinándolas yo después. Lo que viene es lo que de verdad me funciona, lo que no funciona tan bien como te venden, y cómo cambia tu semana cuando metes IA en tu flujo de trabajo docente sin perder lo que te hace bueno como profesor.

Importante de entrada: este artículo está pensado para profesores de formación profesional, universidad, máster y cursos para adultos. Si das clases en primaria o secundaria, parte de lo que cuento te va a servir, pero hay plataformas específicas para esa etapa (MagicSchool, ERubrica, 4Docentes alineado con LOMLOE) que cubren mejor tus necesidades concretas y que quedan fuera del alcance de este artículo.

La promesa real, sin maquillar

Vamos al número que importa. Un profesor que integra bien la IA en su flujo de trabajo recupera entre seis y ocho horas a la semana. No es marketing. Es lo que llevo midiendo en mi propia semana desde hace meses, y coincide con los datos que están publicando estudios serios como el de Gallup en EEUU.

Pero ojo al matiz: esas horas se recuperan si sabes qué delegar. Si lo haces mal, no recuperas tiempo. Lo pierdes corrigiendo lo que la IA hace mal, o entregas material genérico que tus alumnos detectan a la primera. La diferencia entre un profesor que ahorra ocho horas semanales y otro que pierde dos no está en la herramienta. Está en el criterio sobre cuándo usarla y cuándo no.

A continuación te llevo por una semana real de un profesor con clases activas. No es exactamente la mía, pero todas las situaciones son situaciones que vivo. Vamos por días.

Lunes: preparar la sesión de la semana

El lunes por la mañana, antes de que empiece la clase del miércoles, abro Claude. Tengo que preparar una sesión de tres horas sobre iluminación de producto para el máster. Antes esto me llevaba toda una mañana: sacar referencias, estructurar los conceptos, decidir tiempos, preparar ejemplos prácticos, montar la presentación.

Hoy le pido a Claude un esquema de la sesión: objetivos de aprendizaje, bloques de contenido con tiempos estimados, dos ejercicios prácticos guiados y uno autónomo, y posibles preguntas que surjan. Le doy contexto: el nivel de los alumnos, las sesiones anteriores que ya hemos visto, qué quiero que se lleven a casa. En cinco minutos tengo un primer borrador estructurado. Lo reviso con criterio profesional, descarto lo que no me encaja (siempre hay cosas), reordeno, añado el ejemplo concreto que sé que va a funcionar porque lo he visto funcionar otros años. Veinte minutos después tengo la sesión preparada.

El ahorro real no está en que la IA te dé la clase hecha (no lo hace ni debe hacerlo). Está en que te quita el papel en blanco. Pasas de “tengo que estructurar tres horas desde cero” a “tengo este esqueleto, voy a darle mi voz”. Esa transición es donde están las horas.

Si quieres ver hasta dónde llega Claude como herramienta de trabajo profesional, lo cubrimos a fondo en otro artículo, pero te adelanto que su mejor uso para profesores es exactamente este: como pareja de pensamiento que te ayuda a estructurar y a mí me funciona infinitamente mejor que ChatGPT para textos largos y complejos.

Otra cosa que hago los lunes con cierta frecuencia: meter en NotebookLM mis presentaciones del año pasado y preguntarle qué conceptos han quedado desactualizados. Para alguien que enseña tecnología visual esto es vital. En 2024 explicaba a los alumnos que el relleno generativo de Photoshop era útil pero limitado. En 2026 lo uso a diario para insertar personas, vegetación y mobiliario en renders, con una calidad que hace dos años era impensable. Si no actualizas el material, vas a clase contando cosas obsoletas. NotebookLM me marca exactamente qué párrafos huelen a 2024 y necesitan revisión.

Martes: corregir trabajos del grupo de la semana anterior

El martes toca corregir. Veinte trabajos finales de proyecto sobre ambientación nocturna de un interior arquitectónico. Antes esto era una tarde entera mínima.

Hoy abro un par de herramientas en paralelo. Tengo en Claude la rúbrica que diseñé al principio del curso (que en su día también generé con IA y refiné a mano, porque la primera versión que da el modelo siempre es demasiado genérica y hay que afinarla con criterio). Para cada trabajo, le paso a Claude el archivo o la descripción del entregable, junto con la rúbrica, y le pido un primer borrador de feedback estructurado. Es importante el verbo: borrador. No es la corrección final.

Yo leo el feedback que ha generado Claude, contrasto con mi propia lectura del trabajo, ajusto lo que no encaja, añado las observaciones que solo yo puedo hacer (esa idea concreta del alumno que conecta con algo que dijo en clase hace dos meses, ese error que se repite desde el primer trabajo y que necesita una llamada de atención específica), y reescribo lo que tenga que reescribirse. El resultado: una devolución más extensa y más útil para el alumno, en menos tiempo del que tardaría haciéndolo solo.

Hay una cosa que no delego nunca, y es importante decirlo claro: la nota final. La calificación es criterio profesional con consecuencias académicas reales para el alumno, y eso no es algo que vaya a externalizar a una IA por mucho que esté entrenada con miles de rúbricas. La IA me ayuda a estructurar la observación, a no olvidar criterios, a generar texto que yo después afino. Pero la decisión final sobre la nota la tomo yo, porque para eso me pagan y porque para eso he construido durante años el criterio que tengo. Esto no es porque la IA “no funcione” para poner notas. Es porque la responsabilidad de poner notas no debería externalizarse, igual que un médico no firma diagnósticos generados solo por IA aunque la IA sea cada vez mejor diagnosticando. El criterio profesional es lo que aporta valor real, y eso no se delega.

Hay otra cosa que merece la pena mencionar y que muchos profesores me preguntan: la detección de trabajos hechos con IA. Existen herramientas como Turnitin Originality que prometen detectar contenido generado por IA. La verdad es que dan demasiados falsos positivos para tomar decisiones académicas con seguridad. Un trabajo bien escrito por un estudiante puede dar positivo, y un trabajo generado por IA y mínimamente editado puede dar negativo. Si tu evaluación depende de esto, vas mal. Lo que funciona de verdad es rediseñar los ejercicios para que hacerlos con IA sin esfuerzo produzca resultados obviamente flojos: trabajos muy contextualizados, defensas orales, iteraciones sucesivas que el profesor ve evolucionar, presentaciones donde el alumno tiene que justificar decisiones. Eso filtra mejor que cualquier detector.

Miércoles: día de clase y respuesta a preguntas raras

El miércoles tengo clase y eso significa preguntas en directo. Las que más me gustan son las raras, las que vienen del pasillo, esas que antes respondía con “déjame mirarlo y te lo digo la semana que viene”. Hoy las respondo en treinta segundos y eso cambia la dinámica de la clase.

Un alumno me pregunta entre clase y clase si es verdad que ha salido un nuevo motor de render basado en IA que va a sustituir a V-Ray. Abro Perplexity, tecleo la pregunta, recibo en quince segundos una respuesta con fuentes verificables. Le digo: existe esto, va por aquí, está todavía verde para producción profesional, no creo que sustituya a V-Ray a corto plazo pero merece la pena seguirlo. Pasamos de “no lo sé” a “respuesta argumentada con criterio” sin perder un día de espera y sin parecer un profesor que no está al día.

Esto es probablemente uno de los cambios más infravalorados de tener IA en tu flujo de trabajo docente. No la usas para preparar la clase. La usas para no perder autoridad cuando los alumnos te preguntan algo que no sabes. La autoridad del profesor en 2026 no se construye sabiéndolo todo, eso es imposible cuando el campo se mueve cada semana. Se construye sabiendo dónde buscar bien y rápido, y teniendo el criterio para evaluar lo que encuentras.

Jueves: gestión, burocracia y trabajo administrativo

El jueves toca lo que a nadie le gusta. Memoria de la asignatura, informe de evaluación parcial, tres emails largos a alumnos con consultas sobre sus trabajos finales, actualizar la guía docente para el próximo cuatrimestre. Antes esto eran tardes enteras.

Hoy es donde la IA actúa más como asistente administrativo puro. Le doy a Claude las notas que tengo, los puntos que quiero destacar en el informe, el tono que quiere mi coordinación de máster, y me genera un borrador. Yo lo reviso, ajusto, personalizo donde toca, y firmo. Para los emails repetitivos (esos del tipo “puedes mandar el trabajo en este formato adicional” o “los criterios de evaluación los tienes en la rúbrica que compartí en septiembre”), tengo plantillas que pulo en treinta segundos.

Aquí no hay ciencia. Es trabajo burocrático que la IA hace bien porque es texto estructurado, repetitivo, con poca creatividad necesaria. Y devolverte estas dos o tres horas a la semana es probablemente el cambio más visible en tu calidad de vida profesional como docente.

Viernes: investigar y mantenerte al día

Los viernes intento dejar tiempo para algo que antes hacía mucho menos: estar al día. Leer papers, ver qué ha salido nuevo en el sector, preparar contenido futuro para el curso siguiente.

Aquí mis dos herramientas son Perplexity para búsquedas puntuales con fuentes verificadas, y NotebookLM para digerir documentos largos. Si quiero entender un paper técnico de cuarenta páginas sobre nuevas técnicas de iluminación basadas en path tracing diferencial, lo subo a NotebookLM, le pido un resumen estructurado y luego le hago preguntas concretas. Lo que antes era una tarde de lectura intensa hoy es una hora de conversación dirigida con la herramienta. Y entiendo igual o mejor lo que el paper dice, porque puedo preguntar todas las dudas que surgen sin sentirme estúpido por no entender el primer intento.

Para el ecosistema Google, que cubre buena parte de las herramientas que cualquier profesor termina usando si trabaja con Workspace, Gemini ha integrado Deep Research de forma gratuita y eso le da un empujón muy fuerte para investigación docente. Si tu centro ya usa Google Classroom, integrar Gemini ahí es el camino más natural y además tiene protecciones específicas para datos de alumnado.

Si nunca has usado IA en tu trabajo docente, empieza por aquí

Cuatro semanas, cuatro pasos, sin agobios.

Semana 1: rúbricas. Coge un ejercicio que tengas pendiente de evaluar y pídele a Claude o a ChatGPT una rúbrica. Refínala con tu criterio. Úsala para corregir. Compara con cómo lo hubieras hecho antes.

Semana 2: una sesión nueva. Coge una clase que tengas que preparar y pide el esqueleto a la IA. Corrígelo, añade tu voz, dale clase. Mide cuánto tiempo te ha llevado prepararla.

Semana 3: devoluciones a alumnos. Coge cinco trabajos de alumnos y prueba el flujo de generar borrador de feedback con IA + revisión propia. Compara con la devolución que harías sin esa ayuda. Te vas a sorprender de la calidad.

Semana 4: integración. Si las tres semanas anteriores te han funcionado, empieza a usar IA de forma natural en tu día a día. Sin obligación, donde te encaje. La curva natural de adopción es así, y forzarla no funciona.

Para escribir buenos prompts que te den resultados útiles desde el primer intento, hay una guía con ejemplos concretos que te puede ahorrar mucho ensayo y error  y que recomiendo leer antes de empezar a integrar IA en tu flujo si nunca lo has hecho.

Lo que la IA no va a sustituir nunca en un profesor

Termino con algo que merece la pena dejar claro porque hay mucha ansiedad en la profesión sobre esto. La IA no va a sustituir tu criterio profesional. No va a sustituir tu capacidad de leer una clase y darte cuenta de que están desconectados. No va a sustituir la conversación de cinco minutos con un alumno al final de la clase que te hace ver que tiene un problema personal que está afectando a su trabajo. No va a sustituir la intuición que has construido durante años sobre qué tipo de ejemplo va a conectar con qué tipo de alumno.

Lo que la IA va a sustituir, y bien, es el trabajo burocrático que rodea a la enseñanza real. El papel en blanco al estructurar una sesión. La página vacía al diseñar una rúbrica. La tarde entera respondiendo emails repetitivos. El bloqueo al escribir un informe largo de evaluación.

Y eso es exactamente lo que tiene que sustituir. Porque ese trabajo nunca debería haber sido el trabajo principal de un profesor. El trabajo principal de un profesor es enseñar. Y cuando la IA te devuelve seis u ocho horas a la semana, lo que estás recuperando es tiempo para lo que de verdad te hace bueno en tu profesión: pensar mejor las clases, escuchar más a los alumnos, preparar ejemplos más cuidados, leer aquello que querías leer pero nunca tenías tiempo. Esa es la promesa real.

Si llevas años dando clases y todavía no has integrado IA en tu flujo de trabajo, el mejor momento para empezar fue hace dos años. El segundo mejor momento es esta semana.