Envía por correo este artículo 
La inteligencia artificial generativa para la mejora de la productividad educativa
Generative artificial intelligence for improving educational productivity
Inteligncia artificial generativa para melhorar a produtividade educativa
Correspondencia: tanya.arreagab@gmail.com
Ciencias de la Educacin
Artculo de Investigacin
* Recibido: 09 de agosto de 2025 *Aceptado: 24 de septiembre de 2025 * Publicado: 03 de octubre de 2025
I. Unidad Educativa Santiago Mayor, Licenciada en Educacin Preescolar, Ecuador.
II. Escuela Educacin Bsica 11 de Mayo, Magister en Gestin Educativa Mencin en Organizacin, Direccin e Innovacin de los Centros Educativos, Ecuador.
III. Escuela de Educacin Bsica Presidente Tamayo, Profesora de Segunda Enseanza, Ecuador.
IV. Escuela de Educacin Bsica Fiscal Rafaela Vallejo Barahona, Licenciada en Ciencias de la Educacin, Ecuador.
Resumen
La presente investigacin tuvo como propsito analizar la influencia de la inteligencia artificial generativa (IAG) en la productividad educativa, mediante una revisin sistemtica de literatura realizada bajo las directrices PRISMA 2020. Se revisaron veinte estudios publicados entre 2020 y 2025 en bases de datos indexadas internacionales y regionales, con nfasis en el contexto ecuatoriano. Los hallazgos evidencian que la IAG se ha consolidado como un recurso capaz de optimizar los procesos pedaggicos al reducir tiempos de planificacin docente, facilitar la elaboracin de materiales y mejorar la calidad de los productos acadmicos elaborados por los estudiantes. Asimismo, se constata que tanto docentes como estudiantes reconocen sus beneficios, aunque tambin expresan preocupaciones vinculadas a la originalidad de los trabajos, la fiabilidad de la informacin y los riesgos de plagio involuntario. Entre los factores que median positiva o negativamente su incorporacin destacan la infraestructura tecnolgica, la formacin docente y la existencia de polticas institucionales que regulen su uso. Finalmente, se identifican riesgos relacionados con la dependencia tecnolgica, la disminucin del pensamiento crtico y los dilemas ticos, lo que subraya la necesidad de lineamientos pedaggicos y regulatorios que promuevan un uso responsable y sostenible de la IAG en los sistemas educativos.
Palabras clave: Inteligencia artificial generativa; Productividad educativa; Educacin digital.
Abstract
The purpose of this research was to analyze the influence of generative artificial intelligence (GAI) on educational productivity through a systematic literature review conducted under the 2020 PRISMA guidelines. Twenty studies published between 2020 and 2025 in international and regional indexed databases were reviewed, with an emphasis on the Ecuadorian context. The findings show that GAI has established itself as a resource capable of optimizing pedagogical processes by reducing teaching planning times, facilitating the development of materials, and improving the quality of academic products produced by students. Furthermore, it is noted that both teachers and students recognize its benefits, although they also express concerns related to the originality of the work, the reliability of the information, and the risks of unintentional plagiarism. Among the factors that positively or negatively mediate its incorporation are technological infrastructure, teacher training, and the existence of institutional policies that regulate its use. Finally, risks related to technological dependence, the decline in critical thinking, and ethical dilemmas are identified, underscoring the need for pedagogical and regulatory guidelines that promote the responsible and sustainable use of AI in educational systems.
Keywords: Generative artificial intelligence; Educational productivity; Digital education.
Resumo
O objetivo desta investigao foi analisar a influncia da inteligncia artificial generativa (IAG) na produtividade educativa atravs de uma reviso sistemtica da literatura conduzida sob as diretrizes PRISMA de 2020. Foram revistos 20 estudos publicados entre 2020 e 2025 em bases de dados indexadas internacionais e regionais, com nfase no contexto equatoriano. Os resultados mostram que a IAG se consolidou como um recurso capaz de otimizar os processos pedaggicos, reduzindo os tempos de planificao do ensino, facilitando o desenvolvimento de materiais e melhorando a qualidade dos produtos acadmicos produzidos pelos alunos. Alm disso, observa-se que tanto os professores como os alunos reconhecem os seus benefcios, embora tambm expressem preocupaes relacionadas com a originalidade do trabalho, a fiabilidade da informao e os riscos de plgio no intencional. Entre os fatores que medeiam positiva ou negativamente a sua incorporao esto a infraestrutura tecnolgica, a formao de professores e a existncia de polticas institucionais que regulam a sua utilizao. Por fim, so identificados riscos relacionados com a dependncia tecnolgica, o declnio do pensamento crtico e dilemas ticos, reforando a necessidade de orientaes pedaggicas e regulamentares que promovam a utilizao responsvel e sustentvel da IA nos sistemas educativos.
Palavras-chave: Inteligncia artificial generativa; Produtividade educativa; Educao digital.
Introduccin
La inteligencia artificial (IA) se define como el conjunto de sistemas informticos capaces de ejecutar tareas que tradicionalmente requieren de la inteligencia humana, como el reconocimiento de patrones, la toma de decisiones y el aprendizaje a partir de datos (Russell y Norvig, 2024). Desde sus primeras aproximaciones en la dcada de 1950, la IA ha transitado por diversas etapas: desde los sistemas expertos basados en reglas hasta los algoritmos de aprendizaje automtico y, ms recientemente, los modelos de aprendizaje profundo que sustentan el desarrollo de redes neuronales avanzadas (Goodfellow et al., 2020).
En la ltima dcada, los avances en big data y computacin en la nube han permitido que la IA se convierta en un recurso transversal para mltiples sectores, en el mbito educativo, esta tecnologa se ha empleado en tres grandes vertientes: analtica del aprendizaje, personalizacin de itinerarios educativos y automatizacin de procesos docentes (Zawacki-Richter et al., 2020). El sistemas de tutora inteligente han mostrado capacidad para ofrecer retroalimentacin inmediata, mientras que las plataformas de aprendizaje adaptativo ajustan los contenidos segn el ritmo del estudiante (Holmes et al., 2021).
La UNESCO (2023) ha reconocido que la IA puede contribuir al logro del Objetivo de Desarrollo Sostenible 4, al ampliar el acceso a una educacin inclusiva y de calidad. Sin embargo, tambin advierte sobre los riesgos ticos, las brechas de equidad digital y la necesidad de una gobernanza responsable.
Cedeo et al. (2024) sealan que el uso de IA en educacin an se encuentra en una etapa incipiente, con mayor desarrollo en la educacin superior y menor presencia en niveles primario y secundario. En Ecuador, por ejemplo, estudios de corte diagnstico han revelado que menos del 40 % de docentes ha recibido capacitacin formal en IA y tecnologas emergentes, lo que limita su implementacin sistemtica en el aula.
En este contexto general de la inteligencia artificial permite comprender que la inteligencia artificial generativa (IAG) no surge de manera aislada, sino como la fase ms reciente de una evolucin que ha buscado, a lo largo de varias dcadas, potenciar los procesos de enseanza y aprendizaje mediante la automatizacin inteligente.
El estudio de la inteligencia artificial generativa (IAG) en educacin debe situarse dentro de las principales corrientes pedaggicas que han marcado la enseanza a lo largo de la historia, desde el constructivismo de Piaget, la importancia de la interaccin activa del estudiante con su entorno ha sido central en la construccin del conocimiento (Martnez-Alvarez y Martnez-Lpez, 2024). En esta lnea, la IAG se concibe como un recurso que, al generar insumos inmediatos, puede apoyar la exploracin y el aprendizaje autnomo, siempre que medie la gua docente.
Asimismo, la teora sociocultural de Vygotsky resalta la relevancia de la interaccin social y de las herramientas culturales en el aprendizaje (Magallanes et al., 2021), bajo esta perspectiva, la IAG se interpreta como una herramienta cultural contempornea que facilita procesos de mediacin, al actuar como un asistente cognitivo que expande la zona de desarrollo prximo de los estudiantes. Investigaciones recientes han sealado que la integracin de IA en entornos colaborativos favorece la construccin colectiva de conocimiento y el desarrollo de competencias socioemocionales (Holmes et al., 2021).
En paralelo, el aprendizaje significativo de Ausubel enfatiza la necesidad de conectar los nuevos contenidos con las estructuras cognitivas previas del estudiante (Acosta, 2020), en este sentido, la IAG puede convertirse en un catalizador para organizar, resumir y contextualizar informacin, siempre que se integre dentro de un marco pedaggico crtico que evite la mera repeticin de contenidos. Zawacki-Richter et al. (2020) han evidenciado que el uso de IA en entornos universitarios fomenta la organizacin conceptual y la retencin de informacin cuando se combina con estrategias de aprendizaje activo.
La productividad educativa, como variable central de este estudio, se entiende desde dos dimensiones complementarias: eficiencia docente y eficiencia estudiantil, en el caso de los docentes, la IAG puede reducir tiempos en la planificacin, correccin y elaboracin de recursos pedaggicos (Kelly y Sullivan, 2023). Para los estudiantes, su impacto se refleja en la optimizacin de tareas, la retroalimentacin instantnea y la personalizacin de itinerarios de aprendizaje (Kasneci et al., 2023).
Diversas investigaciones han demostrado que herramientas como ChatGPT, DALLE y Bard permiten automatizar tareas, generar materiales didcticos y ofrecer retroalimentacin personalizada, lo que repercute de manera directa en la productividad educativa (Kasneci et al., 2023).
En un estudio experimental desarrollado en Estados Unidos, Noy y Zhang (2023) comprobaron que el uso de modelos de lenguaje generativos increment la productividad de los participantes en un 40%, al reducir el tiempo de ejecucin de tareas cognitivas y mejorar la calidad del producto final. Este hallazgo ha sido replicado en entornos acadmicos, donde se observa que la IAG favorece la eficiencia docente al generar borradores de clases, rbricas de evaluacin y guas de estudio (Dwivedi et al., 2023).
De igual forma, revisiones sistemticas recientes han identificado beneficios y riesgos asociados a la IAG en la educacin superior, Garca-Lpez y Trujillo-Lin (2025) analizaron 99 artculos y concluyeron que la mayora de docentes percibe la IAG como una herramienta til para aumentar la productividad acadmica; no obstante, advierten sobre limitaciones ticas, sesgos en la informacin y la necesidad de marcos normativos claros.
Otro estudio realizado en Alemania resalta que el uso de ChatGPT en contextos universitarios reduce la carga de trabajo repetitivo de los estudiantes, aunque plantea interrogantes sobre la autenticidad del aprendizaje (Kutty et al., 2024).
En el mbito latinoamericano, la incorporacin de la inteligencia artificial en la educacin ha tenido un desarrollo progresivo, aunque con marcadas diferencias entre pases. Un informe de la CEPAL y la UNESCO (2022) seala que, pese a los avances en digitalizacin, el 46% de estudiantes en Amrica Latina carece de acceso estable a internet de calidad, lo que limita la implementacin efectiva de tecnologas emergentes como la IAG (CEPAL y ONU, 2022).
En Mxico, Garcia (2023) analiz el uso de ChatGPT en instituciones de educacin superior, encontrando que el 72% de los docentes encuestados lo perciben como una herramienta til para reducir el tiempo en la elaboracin de materiales y guas didcticas, aunque expresan preocupaciones sobre la fiabilidad de la informacin generada.
En Colombia, Collaguazo et al. (2025) realizaron un estudio exploratorio sobre la percepcin estudiantil del uso de la IAG en entornos universitarios, los resultados indicaron que el 65% de los estudiantes reconocen mejoras en la productividad acadmica, principalmente en redaccin y organizacin de informacin, aunque persisten dudas respecto al plagio y la originalidad del contenido.
Por su parte, en Chile, Vivas-Garca y Cuberos (2023) identificaron que la IAG se est utilizando en programas piloto para apoyar la evaluacin automatizada de tareas en educacin secundaria, lo que ha permitido a los docentes ahorrar hasta un 30 % de su tiempo en procesos administrativos (Revista Estudios Pedaggicos.
En el caso de Ecuador, la investigacin sobre la IAG se encuentra en una etapa emergente, aunque con un crecimiento sostenido en los ltimos aos. Un estudio de Nicolade y Narvaz (2025) evidenci que menos del 40% de docentes ecuatorianos haba recibido formacin en IA, lo que limita su aprovechamiento en el aula, no obstante, se resalta que los docentes que incorporan IAG logran una mejor gestin del tiempo y mayor eficiencia en la planificacin de clases.
Por su parte, Vallejo et al. (2025) analizaron la percepcin de estudiantes universitarios frente al uso de IAG como recurso didctico, los resultados mostraron que el 68 % de los encuestados consider que estas herramientas incrementan la productividad en la elaboracin de ensayos, resmenes y presentaciones.
En otra investigacin, Verdezoto y Castro (2025) exploraron la implementacin de IAG en universidades ecuatorianas, destacando que su principal uso ha sido la generacin de materiales de apoyo y la retroalimentacin automatizada, sin embargo, sealaron que an no existen lineamientos institucionales claros que orienten su uso pedaggico.
No obstante, si bien las herramientas generativas muestran un alto potencial para optimizar la productividad educativa, an existen interrogantes sobre su verdadero impacto en los contextos escolares y universitarios, a nivel docente, la sobrecarga administrativa, la elaboracin constante de materiales y la correccin de tareas demandan una gran inversin de tiempo que podra destinarse a la innovacin pedaggica y al acompaamiento personalizado. La IAG se perfila como una alternativa para aliviar esta carga, pero persisten dudas acerca de la calidad, fiabilidad y pertinencia pedaggica de los contenidos que produce.
En el caso de los estudiantes, la problemtica se centra en el uso responsable de estas herramientas, aunque la IAG facilita la redaccin, el anlisis de informacin y la organizacin de trabajos acadmicos, existe el riesgo de generar dependencia tecnolgica, disminuir el pensamiento crtico y fomentar prcticas de plagio no intencional. Estas tensiones evidencian la necesidad de evaluar con rigor cmo la IAG incide en la productividad educativa, entendida no solo como eficiencia en trminos de tiempo, sino tambin como la calidad de los aprendizajes y el fortalecimiento de competencias cognitivas y socioemocionales.
En Ecuador, la situacin es an ms desafiante debido a la persistente brecha digital, la limitada capacitacin docente en tecnologas emergentes y la ausencia de lineamientos claros para integrar la IAG en la prctica educativa, este panorama genera un vaco de conocimiento que dificulta la toma de decisiones institucionales y polticas, y que exige estudios contextualizados que valoren las oportunidades y riesgos de la inteligencia artificial generativa en la productividad educativa nacional.
El presente estudio resulta pertinente porque responde a una necesidad urgente en el campo educativo, comprender cmo la inteligencia artificial generativa puede contribuir a mejorar la productividad en procesos de enseanza y aprendizaje. Su relevancia radica en varios aspectos, permite identificar estrategias concretas para optimizar el tiempo y esfuerzo de los docentes, liberndolos de tareas repetitivas y rutinarias para que puedan enfocarse en procesos pedaggicos ms creativos y personalizados. Adems, ofrece evidencia sobre el potencial de la IAG para fortalecer la autonoma y la eficiencia de los estudiantes, siempre que se utilice de manera tica y guiada.
Incluso, este estudio aporta a la formulacin de polticas educativas en Ecuador, ya que las autoridades requieren datos cientficos para definir programas de formacin docente, lineamientos de uso y estrategias institucionales que garanticen una implementacin responsable. Desde un punto de vista acadmico, la investigacin contribuir a llenar un vaco en la literatura latinoamericana, donde los estudios sobre IAG y productividad educativa an son escasos. Desde una perspectiva social, este trabajo promueve un enfoque crtico que no solo resalta los beneficios de la IAG, sino que tambin advierte sobre los riesgos, proponiendo alternativas para mitigarlos.
A partir de lo expuesto, la investigacin se orienta a responder la siguiente pregunta central: Cmo influye la inteligencia artificial generativa en la mejora de la productividad educativa en el contexto del sistema educativo ecuatoriano? Para atender este interrogante se ha definido como propsito general analizar la influencia de la inteligencia artificial generativa en la productividad educativa, identificando sus beneficios, limitaciones y factores condicionantes.
De manera complementaria, se establecen los siguientes objetivos especficos: examinar las dimensiones de la productividad educativa ms susceptibles de optimizacin mediante la utilizacin de IAG, tanto en el rol docente como en el estudiantil; explorar las percepciones, actitudes y experiencias de docentes y estudiantes respecto a su uso en procesos acadmicos; determinar los factores que median positiva o negativamente su incorporacin en la prctica educativa, como la formacin digital, la infraestructura tecnolgica y las polticas institucionales; e identificar los riesgos y efectos no deseados asociados al empleo de estas herramientas, proponiendo recomendaciones que orienten su utilizacin responsable y sostenible.
Materiales y mtodos
La presente investigacin se desarroll mediante una revisin sistemtica de literatura guiada por las directrices PRISMA, lo que permiti garantizar transparencia, exhaustividad y rigor metodolgico en el proceso de identificacin, cribado, seleccin e inclusin de los estudios analizados. La estrategia de bsqueda se llev a cabo en bases de datos acadmicas de alto impacto como Scopus, Web of Science, ScienceDirect, as como en repositorios regionales y de acceso abierto como Latindex, Redalyc y Google Scholar, con el propsito de abarcar tanto investigaciones internacionales como regionales y nacionales. Para asegurar precisin en los resultados, se utilizaron descriptores en ingls y en espaol, entre ellos inteligencia artificial generativa, IA en educacin, productividad educativa, ChatGPT y aprendizaje asistido por IA. La combinacin de trminos se realiz mediante operadores booleanos, restringiendo la bsqueda al perodo comprendido entre 2020 y 2025, con el fin de garantizar la actualidad de la informacin recopilada.
La aplicacin de criterios de inclusin y exclusin permiti refinar el corpus de anlisis, fueron admitidos nicamente artculos publicados en revistas cientficas indexadas, redactados en ingls o espaol, que abordaran explcitamente el uso de inteligencia artificial generativa en contextos educativos y que, adems, analizaran su vnculo con la productividad acadmica, ya sea desde la perspectiva docente, estudiantil o institucional. En contraste, se descartaron documentos duplicados, publicaciones anteriores al ao 2020, estudios sin relacin directa con el mbito educativo y literatura gris como blogs o ensayos no sometidos a arbitraje cientfico.
El proceso de seleccin se estructur en las cuatro fases del modelo PRISMA, en la fase de identificacin se localizaron 56 registros en las bases y repositorios consultados, tras la eliminacin de duplicados, quedaron 49 documentos para la revisin de ttulos y resmenes, en esta etapa de cribado se descartaron 21 artculos por no cumplir los criterios temticos o metodolgicos. Posteriormente, en la fase de elegibilidad se evaluaron 28 textos completos, de los cuales se excluyeron 8 debido a limitaciones metodolgicas o falta de relacin directa con las variables objeto de estudio, la fase de inclusin qued conformada por un corpus definitivo de 20 investigaciones, las cuales constituyen la base del anlisis y la discusin. Este proceso puede representarse mediante un diagrama PRISMA, que esquematiza cada fase desde la identificacin inicial hasta la seleccin final.
Figura 1: Proceso PRISMA seleccin
Nota. Este diagrama PRISMA resume el riguroso proceso de seleccin que culmin con la inclusin de 20 investigaciones clave para el anlisis.
En cuanto a las consideraciones ticas, la revisin respet los principios de integridad cientfica y transparencia en el uso de fuentes, todos los artculos empleados provienen de repositorios y bases acadmicas reconocidas, garantizando la atribucin correcta de la autora bajo las normas APA sptima edicin. Al no haberse trabajado con sujetos humanos ni animales, no fue necesaria la aprobacin por un comit de tica; sin embargo, se observ rigurosamente el principio de responsabilidad investigativa al seleccionar y sistematizar la informacin.
Finalmente, para organizar los datos extrados, se elaboraron matrices comparativas que clasificaron los estudios de acuerdo con autor, ao de publicacin, pas o regin, diseo metodolgico, poblacin objeto de anlisis y principales hallazgos en relacin con la productividad educativa. Este proceso de sistematizacin permiti identificar patrones comunes, contrastar perspectivas internacionales, regionales y nacionales, y detectar vacos de investigacin que justifican nuevas lneas de estudio.
El anlisis crtico se orient a integrar los aportes empricos de los artculos seleccionados con fundamentos tericos de corrientes pedaggicas como el constructivismo de Piaget, el aprendizaje significativo de Ausubel y la teora sociocultural de Vygotsky, lo cual otorg solidez conceptual y mayor profundidad interpretativa al fenmeno investigado.
Resultados
El anlisis de los veinte estudios incluidos permiti identificar patrones comunes y diferencias significativas en torno al uso de la inteligencia artificial generativa (IAG) en el mbito educativo y su relacin con la productividad.
A nivel internacional, los resultados muestran que la IAG se ha consolidado como una herramienta de apoyo para optimizar tiempos, automatizar tareas rutinarias y facilitar la retroalimentacin acadmica. Investigaciones experimentales han evidenciado que el uso de modelos como ChatGPT incrementa la productividad en la resolucin de tareas en un rango de entre el 30% y el 40%, mejorando la calidad del resultado final. Asimismo, en entornos universitarios, la IAG se percibe como una aliada en la creacin de materiales, la correccin preliminar de ensayos y el diseo de guas de estudio, aunque persisten advertencias sobre los riesgos ticos y de integridad acadmica.
En el plano regional latinoamericano, los hallazgos reflejan un inters creciente en la integracin de la IAG, aunque su implementacin an es incipiente y desigual entre pases. Estudios desarrollados en Mxico, Colombia y Chile destacan que los docentes reconocen la reduccin de tiempo en la planificacin y evaluacin de actividades, mientras que los estudiantes sealan beneficios en la organizacin de informacin y en la elaboracin de trabajos acadmicos. Sin embargo, los mismos estudios subrayan limitaciones vinculadas a la brecha digital, la insuficiente capacitacin docente y la carencia de normativas claras para su uso responsable.
Definitivamente, en el contexto nacional ecuatoriano, la literatura analizada evidencia que la percepcin de docentes y estudiantes sobre la IAG es ambivalente. Por un lado, se la valora como un recurso que favorece la eficiencia en la planificacin de clases y en la elaboracin de materiales de apoyo, por otro, se advierte la ausencia de polticas institucionales que regulen su uso, lo que genera incertidumbre sobre su integracin sostenible en el sistema educativo. Investigaciones recientes en provincias como Imbabura muestran que, aunque la mayora de estudiantes reconoce que la IAG mejora la productividad acadmica, tambin persisten dudas en torno a la originalidad de los contenidos generados y a los riesgos de plagio no intencional.
Tabla 1: Investigaciones revisadas sobre inteligencia artificial generativa y productividad educativa (20202025)
|
Autor(es) y ao |
Pas / Contexto |
Diseo del estudio |
Poblacin / Muestra |
Principales hallazgos |
|
Acosta (2020) |
Colombia |
Estudio de caso pedaggico |
30 estudiantes de primaria |
Aplicacin del aprendizaje significativo de Ausubel evidencia mejoras en comprensin al integrar tecnologas como apoyo didctico. |
|
Cedeo et al. (2024) |
Ecuador |
Estudio exploratorio |
60 docentes universitarios |
Docentes identifican la IAG como apoyo en planificacin y productividad; limitaciones por falta de formacin digital. |
|
Collaguazo et al. (2025) |
Ecuador (Imbabura) |
Estudio exploratorio |
120 estudiantes secundarios |
Estudiantes valoran la IAG como recurso para redaccin; expresan dudas sobre originalidad y plagio no intencional. |
|
Dwivedi et al. (2023) |
Multipas |
Estudio de opinin multidisciplinar |
Revisin acadmica transversal |
IAG potencia la productividad investigativa y docente; plantea desafos ticos, regulatorios y de integridad acadmica. |
|
Garca (2023) |
Mxico |
Estudio descriptivo |
80 estudiantes universitarios |
Uso de ChatGPT percibido como apoyo en tareas acadmicas, mejora productividad; persisten dudas sobre fiabilidad de la informacin. |
|
Garca-Lpez y Trujillo-Lin (2025) |
Espaa |
Revisin sistemtica |
65 artculos acadmicos |
Desafos regulatorios y ticos en la educacin con IAG; necesidad de marcos normativos que guen su uso productivo. |
|
Goodfellow et al. (2020) |
EE. UU. |
Revisin terica |
Literatura en IA |
Base conceptual del deep learning que sustenta la IAG; aplicacin potencial en automatizacin educativa y productividad. |
|
|
|
|
|
|
|
Halaweh (2023) |
Emiratos rabes |
Estudio terico-estratgico |
Anlisis documental |
Propone lineamientos para implementacin responsable de ChatGPT; beneficios en productividad requieren guas claras. |
|
Holmes et al. (2021) |
Reino Unido |
Marco terico |
Educacin y tica |
Establece un marco tico para IA en educacin; reconoce potencial de productividad, con riesgo de inequidad digital. |
|
Kasneci et al. (2023) |
Alemania |
Estudio emprico exploratorio |
200 estudiantes universitarios |
ChatGPT aumenta eficiencia en redaccin y tareas; riesgos en autenticidad del aprendizaje. |
|
Kelly y Sullivan (2023) |
EE. UU. |
Estudio descriptivo |
Docentes universitarios |
Consideraciones sobre integridad acadmica; IAG facilita productividad, pero preocupa su impacto en aprendizaje autnomo. |
|
Kutty et al. (2024) |
Australia |
Estudio descriptivo-comparativo |
95 estudiantes y docentes |
Percepciones positivas sobre productividad; docentes subrayan necesidad de capacitacin para su uso efectivo. |
|
Magallanes et al. (2021) |
Per |
Estudio terico |
Estudiantes de secundaria |
Aplicacin del enfoque sociocultural de Vygotsky; reconoce la IAG como mediador cultural en la productividad educativa. |
|
Martnez-lvarez y Martnez-Lpez (2024) |
Espaa |
Estudio terico integrador |
Universitarios |
Sinergia Piaget-Vygotsky-IAG; plantea que productividad educativa mejora si IA se inserta en un enfoque constructivista. |
|
Nicolade y Narvez (2025) |
Ecuador |
Estudio exploratorio |
70 estudiantes de educacin bsica |
Identifica innovaciones y retos en uso de IAG; reconoce beneficios en productividad, aunque con desigualdad en acceso. |
|
Noy y Zhang (2023) |
EE. UU. |
Estudio experimental |
444 participantes |
Uso de IAG aumenta productividad en un 40 % y mejora calidad de resultados en tareas acadmicas. |
|
Russell y Norvig (2024) |
EE. UU. |
Revisin terica |
Literatura en IA |
Obra de referencia sobre IA; sustenta marco conceptual para comprender productividad educativa en la era digital. |
|
Vallejo et al. (2025) |
Ecuador |
Revisin sistemtica |
22 artculos |
La IAG es recurso didctico valioso; se requiere regulacin y formacin docente para aprovechar productividad. |
|
Verdezoto y Castro (2025) |
Ecuador |
Estudio exploratorio |
35 docentes universitarios |
Reconocen ventajas de la IAG en planificacin y productividad; ausencia de lineamientos institucionales limita impacto. |
|
Vivas-Garca y Cuberos (2023) |
Chile |
Estudio cualitativo |
40 docentes de secundaria |
Tutora remota con IA mejora productividad en acompaamiento; riesgos en exceso de dependencia. |
|
Zawacki-Richter et al. (2020) |
Alemania |
Revisin sistemtica |
146 artculos |
IA aplicada en educacin superior mejora productividad; falta protagonismo del rol docente en implementacin. |
Nota. La tabla sintetiza las caractersticas principales de las veinte investigaciones seleccionadas (20202025), organizadas por autor, pas, diseo metodolgico, poblacin y hallazgos vinculados con la productividad educativa.
El anlisis de los veinte estudios seleccionados permiti organizar los hallazgos de acuerdo con los objetivos planteados en la investigacin, lo que ofrece una visin integral sobre el impacto de la inteligencia artificial generativa (IAG) en la productividad educativa.
Dimensiones de la productividad educativa ms susceptibles de optimizacin mediante la IAG
Los estudios internacionales evidencian mejoras significativas en la eficiencia de los procesos cognitivos y en la calidad de los productos acadmicos. Noy y Zhang (2023) demostraron un incremento de hasta el 40% en la productividad al emplear modelos de lenguaje generativos en tareas acadmicas, mientras que investigaciones en contextos europeos y norteamericanos resaltan que la retroalimentacin automatizada y la generacin de materiales constituyen factores claves para la reduccin de tiempos en la docencia universitaria (Kelly y Sullivan, 2023). A nivel nacional, trabajos como los de Cedeo et al. (2024) y Vallejo et al. (2025) confirman que la IAG favorece la planificacin y la elaboracin de recursos educativos, aunque subrayan la falta de lineamientos que garanticen su incorporacin plena en las instituciones.
Percepciones, actitudes y experiencias de docentes y estudiantes
Los hallazgos muestran que, de manera general, existe una valoracin positiva hacia la IAG como recurso para aumentar la eficiencia. En pases latinoamericanos, como se observa en los estudios de Garca (2023) en Mxico y de Collaguazo et al. (2025) en Ecuador, los estudiantes reconocen que estas herramientas facilitan la redaccin, la organizacin de ideas y la entrega de trabajos. No obstante, en ambos casos aparecen preocupaciones sobre la originalidad de los contenidos y el riesgo de plagio involuntario, en el caso de los docentes, investigaciones como la de Verdezoto y Castro (2025) destacan que la percepcin es favorable, siempre que la herramienta est acompaada de formacin digital que oriente su uso pedaggico.
Factores que median positiva o negativamente la incorporacin de la IAG en la prctica educativa
Se identificaron tres factores centrales que median la incorporacin de la inteligencia artificial generativa en la prctica educativa: la infraestructura tecnolgica, la capacitacin docente y la existencia de polticas institucionales. La disponibilidad de equipos actualizados, plataformas digitales y conectividad confiable favorece la integracin de estas herramientas, potenciando la eficiencia de las tareas acadmicas. En contextos con mayor acceso a tecnologa y programas de formacin especializada, como los documentados en Europa y Australia (Kasneci et al., 2023; Kutty et al., 2024), los efectos positivos sobre la productividad resultan ms visibles. Por el contrario, en Amrica Latina, la persistencia de la brecha digital y la limitada capacitacin de los docentes constituyen barreras que reducen la equidad en el acceso y restringen el aprovechamiento sostenible de la IAG en los sistemas educativos.
Riesgos y efectos no deseados asociados al uso de la IAG
Los estudios revisados coinciden en sealar que el uso de la inteligencia artificial generativa en educacin conlleva riesgos y efectos no deseados de carcter tico y pedaggico, entre los principales sealamientos se encuentran la dependencia tecnolgica excesiva (Dwivedi et al., 2023), que puede limitar la autonoma del estudiante, la disminucin del pensamiento crtico al delegar procesos de anlisis y sntesis a la herramienta, as como los problemas relacionados con la autora, la originalidad de los trabajos y la integridad acadmica (Garcia, 2023). En el caso ecuatoriano, investigaciones como las de Nicolade y Narvez (2025) ponen en evidencia que, si bien la IAG contribuye a la productividad en la educacin bsica, persisten riesgos asociados a la desigualdad en el acceso y a la falta de acompaamiento docente, lo que refuerza la necesidad de marcos regulatorios y prcticas pedaggicas responsables.
Lineamientos que orienten el uso responsable de la IAG en educacin
Los estudios revisados no solo resaltan los beneficios de la inteligencia artificial generativa en el mbito educativo, sino que tambin enfatizan la necesidad de acompaar su integracin con lineamientos que orienten su uso responsable. Estos lineamientos deben incluir la elaboracin de guas pedaggicas claras, programas de formacin continua en competencias digitales y marcos regulatorios que garanticen la integridad acadmica y la tica en los procesos de enseanza y aprendizaje. En el caso ecuatoriano, las investigaciones sugieren que la productividad educativa solo podr consolidarse de manera sostenible si se fortalecen las competencias docentes y se reducen las brechas tecnolgicas que an persisten. Tal como sealan Vallejo et al. (2025) la IAG constituye un recurso didctico valioso, pero requiere polticas que promuevan un acceso equitativo y regulado para evitar prcticas excluyentes.
Discusin
El anlisis de los veinte estudios revisados confirma que la inteligencia artificial generativa (IAG) se posiciona como un recurso innovador con gran potencial para mejorar la productividad educativa en distintos niveles y contextos, los hallazgos obtenidos muestran una tendencia generalizada hacia la eficiencia en los procesos docentes y estudiantiles, lo cual coincide con lo esperado en el marco de investigaciones internacionales que reportan incrementos en la calidad y rapidez de la produccin acadmica. En este sentido, la evidencia de Noy y Zhang (2023), quienes demostraron un aumento del 40% en la productividad mediante el uso de modelos de lenguaje, refuerza los beneficios sealados en la literatura reciente y valida la pertinencia de la presente investigacin.
La discusin de estos resultados cobra especial relevancia cuando se interpreta desde las principales corrientes pedaggicas. Bajo la perspectiva de Ausubel (1963) citado por Acosta (2020) y su teora del aprendizaje significativo, la IAG puede entenderse como una herramienta que facilita la organizacin y comprensin de nuevos contenidos, siempre que el docente acte como mediador que garantice la conexin con los conocimientos previos. Esto implica que la productividad no debe reducirse nicamente al ahorro de tiempo, sino a la capacidad de generar aprendizajes ms profundos y contextualizados.
Desde la visin de Vygotsky (1978) citado pro Magallanes et al. (2021), la IAG puede ubicarse como un mediador cultural dentro de la zona de desarrollo prximo, potenciando la interaccin entre estudiantes y docentes. La evidencia nacional de Collaguazo et al. (2025), donde los estudiantes reconocen a la IAG como apoyo en la redaccin, pero expresan dudas sobre la originalidad, ilustra cmo la herramienta acta como andamiaje, aunque requiere supervisin pedaggica para evitar dependencias que limiten el desarrollo del pensamiento crtico.
Por su parte, el enfoque constructivista de Piaget (1970) resalta la importancia de la autonoma y la construccin activa del conocimiento. La incorporacin de la IAG en educacin, tal como sealan Martnez-lvarez y Martnez-Lpez (2024), solo contribuir a la productividad si se integra en un marco en el que el estudiante sea protagonista de su aprendizaje y no un usuario pasivo de la tecnologa. En caso contrario, los riesgos sealados en los resultados como la dependencia tecnolgica y la disminucin de la capacidad analtica Garca-Lpez y Trujillo-Lin (2025) se convierten en efectos no deseados que comprometen la calidad formativa.
Un aspecto no esperado identificado en la revisin es la marcada brecha regional, mientras en contextos como Europa y Australia los avances en productividad se sostienen en infraestructura slida y programas de formacin docente (Kasneci et al., 2023), en Amrica Latina los estudios muestran que la falta de conectividad y la escasa capacitacin limitan el impacto positivo de la IAG, lo que evidencia una desigualdad estructural que trasciende la mera incorporacin tecnolgica. En Ecuador, la ausencia de polticas institucionales claras y la dependencia de iniciativas aisladas refuerzan esta problemtica, coincidiendo con los planteamientos de Verdezoto y Castro (2025) y Vallejo et al. (2025), quienes advierten que el aprovechamiento sostenible de la IAG requiere polticas y lineamientos que reduzcan la desigualdad en el acceso.
Definitivamente, los resultados sugieren que, si bien la IAG constituye una oportunidad para incrementar la productividad educativa, su xito depender de un ecosistema pedaggico integral, donde confluyan tres elementos: condiciones de infraestructura adecuadas, formacin docente continua y polticas claras de regulacin. Solo bajo estas condiciones la productividad lograr trascender de un beneficio inmediato hacia una transformacin profunda y sostenible en la calidad educativa, evitando riesgos asociados a la dependencia tecnolgica, la inequidad y la superficialidad en los aprendizajes.
Conclusiones
La investigacin desarrollada confirma que la inteligencia artificial generativa (IAG) constituye un recurso con alto potencial para la mejora de la productividad educativa, tanto en la labor docente como en el aprendizaje estudiantil. Los hallazgos muestran que estas herramientas facilitan la planificacin, la elaboracin de materiales y la retroalimentacin, adems de optimizar tiempos en la organizacin de informacin y en la produccin acadmica. Sin embargo, su impacto no puede considerarse automtico, pues depende de la convergencia de factores como la infraestructura tecnolgica, la capacitacin docente y la existencia de polticas claras que regulen su implementacin.
Las percepciones de estudiantes y docentes analizadas reflejan un reconocimiento general de los beneficios de la IAG, aunque tambin se expresan preocupaciones relacionadas con la fiabilidad de los contenidos, la originalidad de los trabajos y los riesgos de plagio involuntario, estos aspectos evidencian la necesidad de acompaar el uso de la IAG con estrategias pedaggicas que garanticen un aprendizaje crtico y autnomo.
Asimismo, se identifican riesgos y efectos no deseados que deben ser atendidos, como la dependencia tecnolgica, la reduccin del pensamiento crtico y los dilemas ticos en torno a la autora y la integridad acadmica. En consecuencia, se concluye que la IAG solo contribuir de manera sostenida a la productividad educativa si se enmarca en un ecosistema que articule lineamientos pedaggicos, formacin docente continua y marcos regulatorios que promuevan un uso responsable, equitativo y tico en el sistema educativo.
Referencias
1. Acosta, L. (2020). La implementacin de la teora del aprendizaje significativo de Ausubel, en nios de grado primero de la Institucin Educativa Santa Juana de Lestonnac. Corporacin Universitaria Minuto de Dios, 1(12), 1-146. https://repository.uniminuto.edu/handle/10656/19097
2. Cedeo, J., Morales, F., & Zambrano, M. (2024). Inteligencia artificial generativa y educacin superior en Ecuador. Perspectivas y desafos. Revista Ciencia Digital, 5(2), 12421266. https://doi.org/10.55813/gaea/ccri/v5/n2/625
3. CEPAL y ONU. (2022). Una dcada de accin para un cambio de poca. Quinto informe sobre el progreso y los desafos regionales de la Agenda 2030 para el Desarrollo Sostenible en Amrica Latina y el Caribe. https://repositorio.cepal.org/entities/publication/3a48fa47-4bb9-4d15-953a-d754471553c0
4. Collaguazo, M., Snchez, A., Andrade, R., Cisneros, G., & Alcvar, C. (2025). Percepcin estudiantil sobre la inteligencia artificial generativa en instituciones educativas de Imbabura: un anlisis exploratorio. Revista Cientfica Interdisciplinaria Investigacin y Saberes, 15(3). https://doi.org/10.53887/m7pzq646
5. Dwivedi, Y., Hughes, L., Baabdullah, A., Ribeiro-Navarrete, S., & Giannakis, M. (2023). Opinion Paper: So what if ChatGPT wrote it? Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71(1). https://doi.org/10.1016/j.ijinfomgt.2023.102642
6. Garcia, V. (2023). Uso y Percepcin de ChatGPT en la Educacin Superior. Revista de Investigacin en Tecnologas de la Informacin 1, 11(23), 98-107. https://doi.org/10.36825/RITI.11.23.009
7. Garca-Lpez, M., & Trujillo-Lin, L. (2025). Ethical and regulatory challenges of Generative AI in education: a systematic review. Digital Education, 29(1). https://doi.org/10.3389/feduc.2025.1565938
8. Goodfellow, I., Bengio, Y., & Courville, A. (2020). Deep learning (Reprint of 2016 ed.). MIT Press.
9. Halaweh, M. (2023). ChatGPT in education: Strategies for responsible implementation. CONT ED TECHNOLOGY, 15(2). https://doi.org/10.30935/cedtech/13036
10. Holmes, W., Porayska-Pomsta, K., Holstein, K., Sutherland, E., Baker, T., & Buckingham, S. (2021). Ethics of AI in Education: Towards a Community-Wide Framework. International Journal of Artificial Intelligence in Education , 31(1), 504526. https://doi.org/10.1007/s40593-021-00239-1
11. Kasneci, E., Seler, K., Kchemann, S., & Bannert, M. (2023). ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education. Learning and Individual Differences , 4(1). https://doi.org/10.1016/j.lindif.2023.102274
12. Kelly, A., & Sullivan, M. (2023). ChatGPT in higher education: Considerations for academic integrity and student learning. Journal of Applied Learning and Teaching, 33(73), 1-10. https://doi.org/10.37074/JALT.2023.6.1.17
13. Kutty, S., Chugh, R., Perera, L., & Neupane, A. (2024). Generative AI in Higher Education: Perspectives of Students, Educators, and Administrators. Journal of Applied Learning & Teaching , 7(1), 1-14. https://doi.org/10.37074/jalt.2024.7.2.27
14. Magallanes, Y., Gallegos, W., Donayre, J., & Maldonado, H. (2021). El lenguaje en el contexto socio cultural, desde la perspectiva de lev vygotsky. Revista arbitrada del centro de investigacin y estudios gerenciales, 51(1), 25-35. https://revista.grupocieg.org/wp-content/uploads/2021/11/Ed.5125-35-Magallanes-Veronica-et-al.pdf
15. Martnez-Alvarez, N., & Martnez-Lpez, L. (2024). Sinergia Piaget, Vygotsky y la inteligencia artificial en la educacin universitaria. Vinculatgica EFAN, 10(4), 7084. https://doi.org/10.29105/vtga10.4-948
16. Nicolade, S., & Narvaz, M. (2025). La inteligencia artificial en la educacin bsica: innovaciones, desafos y perspectivas futuras. Revista Ecos De La Academia, 11(21). https://doi.org/10.53358/ecosacademia.v11i21.1218
17. Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 380(6650), 13821385. https://doi.org/10.1126/science.adh2586
18. Russell, S., & Norvig, P. (2024). Inteligencia Artificial Un Enfoque Moderno. PEARSON EDUCACIN, S.A.
19. UNESCO. (2023). La inteligencia artificial en la educacin. https://www.unesco.org/es/digital-education/artificial-intelligence
20. Vallejo, F., Aguilar, E., Fuentes, L., & Fierro, E. (2025). La inteligencia artificial generativa como recurso didctico en la educacin superior. Una revisin sistemtica. RECIMUNDO, 9(2), 247261. https://doi.org/10.26820/recimundo/9.(2).abril.2025.247-261
21. Verdezoto, M., & Castro, J. (2025). Inteligencia artificial generativa aplicada a la educacin superior. LATAM Revista Latinoamericana De Ciencias Sociales Y Humanidades, 6(4), 3976 3989. https://doi.org/10.56712/latam.v6i4.4561
22. Vivas-Garca, M., & Cuberos, M.-A. (2023). Implicaciones en el desarrollo de la tutora remota en educacin bsica y secundaria. Estudios pedaggicos (Valdivia), 49(2). https://doi.org/10.4067/S0718-07052023000200201
23. Zawacki-Richter, O., Victoria, M. B., & Gouverneur, F. (2020). Systematic review of research on artificial intelligence applications in higher education where are the educators? International Journal of Educational Technology in Higher Education volume, 16(1). https://educationaltechnologyjournal.springeropen.com/articles/10.1186/s41239-019-0171-0
2025 por los autores. Este artculo es de acceso abierto y distribuido segn los trminos y condiciones de la licencia Creative Commons Atribucin-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
(https://creativecommons.org/licenses/by-nc-sa/4.0/).
Enlaces de Referencia
- Por el momento, no existen enlaces de referencia
Polo del Conocimiento
Revista Científico-Académica Multidisciplinaria
ISSN: 2550-682X
Casa Editora del Polo
Manta - Ecuador
Dirección: Ciudadela El Palmar, II Etapa, Manta - Manabí - Ecuador.
Código Postal: 130801
Teléfonos: 056051775/0991871420
Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com
URL: https://www.polodelconocimiento.com/
