LAB-06 · UI-002 · Dossier comparativo
Inteligencia artificial en educación · Qué modelos están construyendo Cataluña, Japón, China y Europa
Una comparación de políticas educativas de IA a partir de una pregunta distinta: qué capacidades humanas y humano–IA favorece cada arquitectura institucional.
Una política educativa sobre inteligencia artificial hace algo más que regular una herramienta. Organiza una relación entre alumno, docente, institución y sistema técnico.
La entrada de la inteligencia artificial en la escuela suele contarse mediante una oposición simple: permitir o prohibir.
La documentación institucional muestra una realidad bastante más rica.
Cataluña fija cautelas de edad, privacidad, supervisión y formación docente. Japón organiza el uso alrededor de finalidad educativa, etapa de desarrollo y juicio humano. China está construyendo una implantación curricular sistemática de alfabetización e integración. La Unión Europea y la OCDE empiezan a formular marcos de alfabetización y evidencia sobre cuándo el uso de IA mejora realmente el aprendizaje.
LAB-06 estudia esas decisiones como formas que producen capacidades.
La pregunta comparativa es:
¿qué clase de capacidad humana y humano–IA favorece cada arquitectura educativa?
La primera diferencia: usar IA y aprender con IA son cosas distintas
La evidencia reciente de la OCDE obliga a introducir una separación básica.
Un estudiante puede realizar mejor una tarea con ayuda de una IA generativa y, sin embargo, aprender menos de lo que su resultado aparente sugiere. El OECD Digital Education Outlook 2026 resume estudios en los que el acceso a herramientas generalistas mejora el producto inmediato, mientras la ventaja desaparece —e incluso puede invertirse— cuando después se evalúa al alumno sin la herramienta.
El dato modifica la pregunta institucional.
Ya no basta con medir:
¿el alumno produce un resultado mejor con IA?También hay que medir:
qué capacidad adquiere
qué capacidad conserva
qué entiende del sistema
qué puede verificar
qué puede hacer sin la herramienta
qué puede hacer mejor con ellaLa OCDE propone una secuencia especialmente útil: desarrollar primero conocimientos y capacidades fundamentales, incorporar después IA educativa con finalidad pedagógica y, finalmente, integrar herramientas generativas generalistas de forma deliberada.
Eso aproxima el problema a una arquitectura de capacidad basal + capacidad aumentada.
Cataluña: integración mediada, privacidad y supervisión
La página actual de XTEC sobre inteligencia artificial en educación combina formación docente, recursos de aula y cautelas explícitas de seguridad y privacidad.
Para el alumnado menor de 14 años, la orientación general indica que las herramientas generativas generalistas deberían utilizarse bajo una mediación reforzada. La página específica de edades formula con mayor precisión el criterio: 14 años es la edad de referencia recomendada para utilizar IA sin supervisión de un adulto.
La propia XTEC explica además que por debajo de esa edad puede existir uso con autorización parental cuando las condiciones de la plataforma lo permiten.
Esta precisión importa porque convierte una supuesta frontera binaria en varias capas:
edad
+ supervisión
+ autorización
+ términos de la plataforma
+ finalidad educativa
+ tratamiento de datos
+ adecuación pedagógicaEl marco catalán también incorpora una línea fuerte de competencia digital docente. El profesor aparece como actor capaz de comprender capacidades y limitaciones de los sistemas, evaluar su uso, mantener control humano y diseñar actividades y evaluación adecuadas al nuevo entorno.
La forma resultante puede describirse provisionalmente como integración mediada: la relación alumno–IA se introduce mediante supervisión, alfabetización, protección de datos y finalidad educativa.
El umbral de 14 años necesita una lectura jurídica separada
Aquí aparece una de las diferencias más importantes encontradas por UI-002.
El artículo 7 de la Ley Orgánica 3/2018, de Protección de Datos Personales y garantía de los derechos digitales, establece que el tratamiento de datos de un menor puede fundarse en su propio consentimiento a partir de los 14 años; por debajo de esa edad, cuando la base jurídica sea el consentimiento, se requiere el de quien ejerce patria potestad o tutela.
Eso convierte los 14 años en un umbral jurídico de consentimiento para determinados tratamientos de datos.
La arquitectura educativa contiene, sin embargo, más capas.
La Agencia Española de Protección de Datos recuerda, por ejemplo, que el tratamiento necesario para impartir enseñanza reglada y realizar evaluaciones puede estar legitimado por la misión educativa de interés público, sin utilizar el consentimiento del alumno o de su familia como base jurídica. El centro o la Administración siguen siendo responsables de seleccionar y gobernar las plataformas utilizadas.
Por tanto, conviene mantener separadas al menos cinco cuestiones:
- la base jurídica del tratamiento de datos;
- las condiciones de edad del proveedor;
- la autorización y supervisión familiar o escolar;
- la adecuación pedagógica del uso;
- la gobernanza institucional de la herramienta.
LAB-06 desarrolla la comparación institucional. H&C estudia la consecuencia jurídica de esta separación en una pieza específica.
Japón: finalidad, etapa de desarrollo y juicio humano
El Ministerio japonés de Educación revisó en diciembre de 2024 sus directrices sobre uso de IA generativa en educación primaria y secundaria y mantiene durante 2026 un programa de escuelas piloto y materiales de apoyo.
Su punto de partida es explícitamente humano-céntrico: la IA puede complementar y ampliar capacidades humanas, y su utilización debe organizarse alrededor de los objetivos educativos.
El marco japonés resulta interesante porque evita una única regla para todas las situaciones.
La decisión depende de variables como:
- etapa de desarrollo del alumno;
- objetivo y contexto del aprendizaje;
- riesgos de la actividad;
- alfabetización informacional;
- condiciones de uso de la herramienta;
- comprensión y participación de las familias cuando corresponde;
- capacidad del docente para incorporar juicio humano.
La evaluación conserva una regla especialmente significativa: la IA puede apoyar procesos, pero la decisión evaluativa final debe incorporar juicio humano del docente.
La forma institucional resultante es contextual y funcional: el valor del uso se decide por lo que hace dentro del aprendizaje y por la capacidad que ayuda a desarrollar.
China: alfabetización sistemática e integración a escala
China está siguiendo otra trayectoria.
En noviembre de 2024 el Ministerio de Educación reforzó oficialmente la educación en inteligencia artificial en primaria y secundaria. La política se orienta a recursos, entornos de aprendizaje y una estructura curricular que atraviese distintas etapas educativas.
En abril de 2026, cinco organismos estatales publicaron el plan nacional «IA + Educación», que plantea una integración profunda de IA y educación, un sistema de alfabetización para todas las etapas y una transformación progresiva de enseñanza, aprendizaje, administración y evaluación.
El plan sitúa entre sus objetivos la formación de pensamiento inteligente, resolución de problemas complejos, alfabetización del profesorado y construcción de modalidades de colaboración humano–máquina.
Beijing ofrece una concreción especialmente visible. Desde el curso iniciado en otoño de 2025, las escuelas primarias y secundarias de la ciudad deben ofrecer al menos ocho horas anuales de educación general en IA. El programa contempla además asistentes de aprendizaje, adaptación personalizada y exploración de una nueva relación «docente–alumno–máquina».
Esto permite describir provisionalmente la trayectoria como alfabetización sistemática + integración institucional.
La comparación requiere una cautela: una política que enseña IA y una política que permite usar herramientas generativas en cualquier actividad son cosas diferentes. China combina educación sobre IA, utilización pedagógica y despliegue institucional, pero cada capa necesita evaluarse por separado.
Europa: alfabetización como competencia
En junio de 2026 la Comisión Europea y la OCDE presentaron un marco de alfabetización en IA para educación primaria y secundaria.
El objetivo es transformar «saber que existe la IA» en competencias utilizables: comprender sistemas, relacionarse con ellos, crear, gestionar y evaluarlos de forma crítica, responsable y efectiva.
Esta línea introduce otra diferencia útil.
Una institución puede limitar el uso de una herramienta concreta y, al mismo tiempo, aumentar mucho la alfabetización en IA. También puede permitir el uso y generar muy poca comprensión real.
Por eso LAB-06 separa:
acceso a IA ≠ alfabetización en IA ≠ aprendizaje con IA ≠ capacidad humano–IASon variables relacionadas, pero distintas.
Cuatro trayectorias, una misma pregunta
La comparación inicial permite construir esta matriz provisional:
| Marco | Forma dominante | Pregunta que organiza el uso |
|---|---|---|
| Cataluña | Integración mediada | ¿En qué condiciones de edad, privacidad, supervisión y finalidad puede incorporarse? |
| Japón | Integración contextual y humano-céntrica | ¿Qué uso tiene sentido para esta etapa, objetivo y situación de aprendizaje? |
| China | Alfabetización sistemática e integración | ¿Cómo incorporar IA a lo largo de todas las etapas y funciones del sistema educativo? |
| UE / OCDE | Alfabetización + evidencia de aprendizaje | ¿Qué competencias necesita el alumno y cuándo el uso produce aprendizaje real? |
La tabla describe orientaciones, no clasifica sistemas en una escala de mejor a peor.
La siguiente fase exige evidencia sobre resultados.
Qué deberíamos medir
A partir de la comparación documental, UI-002 propone una matriz de capacidad que puede utilizarse para leer políticas, programas y estudios empíricos:
- capacidad basal: qué puede hacer y comprender el alumno sin IA;
- capacidad aumentada: qué puede hacer mejor o a mayor escala con IA;
- comprensión del sistema: qué sabe de capacidades, límites, datos y funcionamiento;
- detección de error: qué capacidad tiene para verificar y cuestionar resultados;
- dirección: qué capacidad tiene para formular objetivos y conducir el sistema;
- autonomía: qué criterio conserva cuando falta la herramienta;
- dependencia: qué funciones deja de poder sostener por sí mismo;
- transferencia: qué aprendizaje puede aplicar en situaciones nuevas;
- trazabilidad: qué puede explicar sobre el uso que hizo de IA;
- capacidad conjunta: qué nueva capacidad aparece cuando persona y sistema trabajan bien relacionados.
Esta matriz cambia la conversación.
La pregunta deja de ser únicamente cuánto uso de IA permitimos y pasa a ser qué forma de capacidad queremos producir.
Una arquitectura educativa posible
La evidencia y las políticas comparadas sugieren una arquitectura que merece ser puesta a prueba:
capacidad basal
→ alfabetización en IA
→ uso pedagógico situado
→ capacidad aumentada
→ verificación y defensa
→ transferenciaEn evaluación puede traducirse de forma sencilla:
hacer → hacer con IA → explicar → verificar → defender.
Un alumno puede utilizar IA para ampliar una investigación, explorar alternativas o construir un resultado más complejo. Después debe poder explicar qué hizo, qué aportó el sistema, qué verificó y qué parte del resultado puede sostener con criterio propio.
Esto permite integrar aumento de capacidad y preservación de aprendizaje dentro de la misma arquitectura.
Qué queda abierto
UI-002 continuará en tres direcciones.
La primera es empírica: localizar estudios que permitan comparar aprendizaje, dependencia, transferencia y rendimiento con y sin IA.
La segunda es institucional: seguir cómo evolucionan las guías de Cataluña, Japón, China, la Unión Europea y otros sistemas cuando aparezcan diferencias comparables.
La tercera es jurídica: separar con precisión protección de datos, edades, condiciones contractuales de plataforma, deberes del centro, evaluación, transparencia y responsabilidad.
La comparación queda abierta porque las políticas están cambiando al mismo tiempo que cambian las herramientas.
Fuentes iniciales
- XTEC · Intel·ligència artificial en educació
- XTEC · Edat mínima per utilitzar la IA
- BOE · Ley Orgánica 3/2018, artículo 7
- AEPD · Clases y exámenes online y base jurídica del tratamiento
- AEPD · Principios para plataformas educativas digitales
- MEXT · School use of generative AI
- MEXT · Guideline for the Use of Generative AI in Primary and Secondary Education
- Ministry of Education of China · «Artificial Intelligence + Education» Action Plan
- Beijing Municipal Government · AI education plan 2025–2027
- European Commission · AI Literacy Framework for primary and secondary education
- OECD · Digital Education Outlook 2026
Derivaciones
Esta unidad abre dos primeras salidas:
- Paraíso: seguimiento comparativo de políticas y evidencia sobre capacidad humana y humano–IA.
- H&C: análisis jurídico del umbral de 14 años, las bases de tratamiento, la autorización, la plataforma y la gobernanza educativa como capas distintas.