Tenía un texto a medio aterrizar, preparado para un curso de la Universidade da Coruña sobre PLE en educación y que quise ampliar. Un puñado de notas tipo «MIRAR TABLA» o «ENLAZAR LOS MARCOS», y varios enlaces guardados sobre entornos personales de aprendizaje (PLE) e inteligencia artificial. Le pedí ayuda a varias IA generativas (ChatGPT PLUS en modo «deep research» y Perplexity PRO en búsqueda solo de fuentes académicas) para poner orden, comprobar qué de todo eso se sostenía y convertirlo en este post. Me ha parecido la forma más honesta de tratar precisamente este tema y comenzar con esa declaración de IA que no debería de faltar en ningún trabajo en el que nos apoyemos de ella.
Llevo años leyendo, reflexionando, escribiendo y formando sobre el uso de los Entornos Personales de Aprendizaje (PLE) y, cuando hablamos de PLE, a menudo caemos en el error de pensar que es simplemente la lista de aplicaciones y herramientas tecnológicas que un estudiante usa a diario. Pero nada más lejos de la realidad.
Un PLE es mucho más, es el complejo entramado de acciones, decisiones o estrategias, fuentes de información, actitudes y espacios (muchos digitales, pero también analógicos o físicos) que cada persona utiliza de forma habitual y única para aprender. Es, en definitiva, nuestro ecosistema personal para aprender de forma autónoma y continua; esa agencia de la que Linda Castañeda et al. (2023) habla en sus trabajos.
Este ecosistema no es estático y evoluciona con las innovaciones tecnológicas, culturales y nuestro propio desarrollo. La irrupción de la Inteligencia Artificial (IA) generativa ha supuesto un terremoto que está obligando a replantear estos entornos. No estamos solo ante una nueva herramienta; estamos ante una nueva capa que se superpone a nuestro PLE.
Como bien apunta Stephen Downes en sus recientes análisis, la IA se está convirtiendo en una «capa de automatización» o un intermediario cada vez más presente en nuestras actividades. Ya no solo conectamos recursos; ahora, co-creamos conocimiento con agentes algorítmicos.
Cómo la IA transforma los componentes de nuestro PLE
En mi día a día docente, veo cómo los estudiantes incorporan la IA como un «copiloto cognitivo» que amplía sus capacidades en tres dimensiones clave:
- Leer con IA: Ya no solo buscamos información. Pedimos a la IA que resuma artículos, traduzca textos técnicos o interprete gráficos. Ojo aquí: cuando le pedimos a la IA que nos resuma, la estamos usando para leer, no para crear.
- Crear con IA: Desde corregir estilo y gramática, hasta generar imágenes, elaborar mapas conceptuales a partir de un texto o proponer bosquejos de trabajos.
- Dialogar con IA: Usamos los chatbots para revisar borradores, buscar inconsistencias en nuestros argumentos, señalar sesgos o simular debates.
El salto al PLE Agéntico (PLE 3.0)
Si antes teníamos un PLE 1.0 (analógico, basado en la autodirección) y un PLE 2.0 (digital, hiperconectado en red), la literatura reciente sugiere que estamos transitando hacia un nuevo paradigma: el PLE Agéntico o 3.0.
La tecnología deja de ser un conducto pasivo para convertirse en un actor con capacidad de razonamiento y ejecución. Como destacaba George Siemens en su reciente ponencia para el sistema CSU, la tendencia para 2025 era clara: «Agents, Agents, Agents». La IA desplaza el centro de gravedad desde la mera conexión hacia la generación.
El lado oscuro: Cuidado con la «fricción necesaria»
Pero ojo, porque no todo es color de rosa. Si optimizamos nuestro PLE solo para la comodidad, eliminamos la «fricción necesaria» para el crecimiento intelectual. En mis clases intento que seamos muy conscientes de estos riesgos:
- Atrofia cognitiva: Si delegamos sistemáticamente el resumen, la organización o la estructuración a la IA (el famoso cognitive offloading), interrumpimos los procesos neuronales del aprendizaje profundo. Si la IA pre-digiere toda la información, perdemos la oportunidad de entrenar nuestro análisis.
- Soledad algorítmica y Tecnoestrés: Confiar en un chatbot infinitamente paciente puede erosionar nuestras habilidades sociales. Además, la presión por dominar herramientas que cambian cada semana genera una fatiga digital evidente.
- Monocultivos epistémicos: Los LLM funcionan por probabilidad estadística, favoreciendo las secuencias de palabras más probables. Esto puede homogeneizar nuestros trabajos, creando ensayos técnicamente correctos pero carentes de originalidad y voz propia.
Nuevas competencias: ¿Qué debemos enseñar ahora?
Ante este escenario, la agencia del estudiantado —su capacidad y margen real de toma de decisiones— es más crucial que nunca. Marcos de referencia como las guías de la UNESCO, el Digital Education Council o la evolución hacia DigComp 3.0 ya están delineando estas nuevas competencias:
- Alfabetización algorítmica (AI Literacy): Entender que la IA completa frases estadísticamente, no «piensa» como un humano. Hay que auditar sus respuestas, compararlas con fuentes fiables y detectar alucinaciones.
- Ingeniería de prompts: Interactuar con la IA es un nuevo alfabeto. Hay que enseñar a formular preguntas claras, éticas y estratégicas, y a documentar el proceso.
- Ciudadanía digital y ética: Debatir en el aula sobre la integridad académica (qué es inspirarse y qué es plagio), la privacidad de los datos y los sesgos de los modelos.
Hace poco se publicó el «AI literacy framework for primary and secondary education» (OECD / European Union, 2026) del cual ya hablé en este blog y construí un explorador interactivo para trabajar estas competencias en el aula a a partir del » -> AILit Framework Explorer.
Conclusiones
La IA generativa no es una varita mágica que garantice automáticamente un mejor aprendizaje o nos solucione el día a día en nuestro trabajo. Es más, e insisto, muchas veces nos supone más tiempo. Por un lado, esa curva de aprendizaje que nos lleva de arriba a abajo constantemente, cuando creemos dominar, por ejemplo, ChatGPT, nos cambian las herramientas apareciendo nuevas, las estrategias o incluso las condiciones. Por otro, si queremos que realmente sea eficaz nuestro trabajo con IA requiere una supervisión constante que a veces nos lleva más tiempo, eso sí, los resultados humano+IA son espectaculares, ¿vale la pena ese esfuerzo extra por una resultado mejor.
Referencias y lecturas recomendadas
Castañeda, L., y Adell, J. (Eds.). (2013). Entornos personales de aprendizaje: Claves para el ecosistema educativo en red. Marfil.
Castaņeda, L., Marín, V. I., Scherer Bassani, P., Camacho, A., Forero, X., & Pérez, L. (2023). Academic tasks for fostering the PLE in Higher Education: international insights on learning design and agency.
Comisión Europea, Joint Research Centre (JRC). (2025). DigComp 3.0: Marco Europeo de Competencias Digitales para la Ciudadanía.
Craig, D. F. (2025, 4 de septiembre). La evolución de los Entornos Personales de Aprendizaje (PLE) hacia la IA. craig.ar. https://craig.ar/la-evolucion-de-los-entornos-personales-de-aprendizaje-ple/
Cuadernos de Pedagogía. La evolución de los PLE en la era IA: más preguntas en el mundo de las respuestas. Enlace.
Downes, S. (2024). Commentary: Generative AI at the end of 2024. Enlace al post.
Luckin, R., Holmes, W., Griffiths, M., y Forcier, L. B. (2016). Intelligence Unleashed: An Argument for AI in Education. Pearson.
OECD / European Union (2026). Empowering learners for the age of AI: An AI literacy framework for primary and secondary education. OECD Publishing, Paris. https://doi.org/10.1787/65cd27d4-en
Siemens, G. (2025, 24-25 de febrero). AI [presentación]. CSU Board of Trustees Retreat. https://www.calstate.edu/csu-system/board-of-trustees/MeetingHandouts/February%2024-25,%202025/SESSION%20I%20-%20AI%20-%20George%20Siemens.pdf
Siemens, G. (2025). Choose Your System Reset: New AI Futures for Higher Education. CSU Board of Trustees. Enlace a la presentación
UNESCO. (2023). Guía sobre inteligencia artificial generativa en educación y en investigación.
