La incorporación de inteligencia artificial en educación debería comenzar por un problema concreto y no por la herramienta disponible. Preguntar qué tarea se quiere mejorar, quién se beneficiará y cómo se reconocerá una mejora útil evita adoptar tecnología únicamente por novedad.
El segundo principio es limitar el alcance. Un caso de uso pequeño, observable y reversible permite aprender antes de extender la solución. Esto resulta especialmente importante cuando la herramienta interviene en evaluación, orientación, generación de contenidos o tratamiento de información institucional.
El tercer principio es comprender los datos. Antes de utilizar una herramienta conviene identificar qué información recibe, dónde se procesa, quién puede acceder a ella y qué datos no deberían introducirse. La utilidad de un sistema no elimina la necesidad de gestionar privacidad y confidencialidad.
El cuarto principio es mantener supervisión humana. Los resultados generados por IA pueden requerir revisión, contraste y contextualización. La responsabilidad sobre una decisión educativa, técnica o administrativa no debería transferirse automáticamente a un sistema que produce una respuesta probabilística.
El quinto principio es validar. La institución necesita criterios para evaluar exactitud, consistencia, pertinencia y posibles errores antes de integrar la herramienta a un flujo de trabajo estable. Una prueba controlada permite documentar límites y ajustar instrucciones o procesos.
El sexto principio es pensar en sostenibilidad. Costos, dependencia del proveedor, formación de usuarios, cambios de versión y capacidad interna para operar la solución deben formar parte de la decisión. La IA crea más valor cuando se incorpora como una capacidad gestionada, no como una herramienta aislada.