Actividades con IA, con seguimiento y evaluación docente
Desarrollo2 ayuda a crear actividades en las que el estudiante puede trabajar con inteligencia artificial sin delegarle su criterio. El docente define cómo debe acompañar la IA y puede ver e intervenir en el proceso de cada estudiante para realizar una evaluación formativa.
El estudiante pregunta, contrasta y fundamenta; el docente acompaña ese recorrido y evalúa con criterio propio.
Ver en YouTube el video «La aplicación por dentro» (se abre en otra pestaña)
Una propuesta argentina desarrollada desde OPEN LAB · Universidad Nacional de Quilmes, en proceso: hoy se usa en pilotos en esta universidad y en la Universidad Santo Tomás, sede Bogotá. Por ahora no opera en la Unión Europea ni en Estados Unidos. La decisión pedagógica sigue en manos del docente.
Cómo funciona
La IA participa, pero no dirige la enseñanza ni toma la decisión por el estudiante o el docente.
Define objetivos, consigna, criterios y un prompt marco para orientar las respuestas de la IA. Puede observar dónde el estudiante encuentra una dificultad, qué pregunta, cuándo vuelve sobre una idea y cómo cambia su posición. Interviene durante la actividad y valora el proceso, no solo la entrega.
Lee el caso, pregunta, contrasta respuestas, identifica datos faltantes, toma posición, revisa sus ideas y fundamenta una propuesta propia. Dirige la conversación y decide cuándo ya le dio lo que necesitaba: la IA es su asistente, no al revés.
Conducir no viene dado: hay que ejercerlo y sostenerlo, y se puede perder sin darse cuenta.
Guiada por el marco docente, formula preguntas sucesivas, solicita evidencias, problematiza supuestos o representa distintas perspectivas. No está solo para producir respuestas: puede abrir nuevas miradas y tensar el pensamiento del estudiante para profundizar su análisis, no para sustituirlo.
Se la orienta a no dar siempre la razón ni resolver la actividad ante un pedido de «haceme el trabajo», sino a devolver preguntas y pistas para seguir pensando. Esa orientación requiere supervisión docente: no es un bloqueo infalible.
Un trabajo terminado puede ocultar si el estudiante comprendió el problema, comparó alternativas o simplemente aceptó una respuesta generada por IA. Prohibirla por completo tampoco enseña a utilizarla con criterio.
No se trata de aislar una producción humana pura de toda influencia de la IA, sino de que, después de interactuar con ella, el estudiante pueda explicar qué sostiene, por qué lo sostiene y de qué decisiones se hace responsable.
Un criterio simple para el aula: la IA puede ser oxígeno o atajo. Pensemos en el tanque del buzo: da el aire para bajar adonde a pulmón no se llega, pero quien respira y elige hacia dónde nadar es la persona. La IA es oxígeno cuando amplía el recorrido así: el estudiante le pregunta, la contradice, le pide fundamentos y termina sosteniendo algo que antes no podía sostener. En el otro extremo está el pulmotor, que no solo da aire: respira por uno. La IA es atajo cuando funciona así, cuando reemplaza el recorrido por un resultado. La diferencia no está en la herramienta, sino en quién sigue respirando. Y para distinguir una cosa de la otra hay que poder ver el recorrido.
Entre quienes impulsan la incorporación de inteligencia artificial en las universidades, hay desafíos compartidos: fortalecer el pensamiento crítico, cuidar los datos de los estudiantes y sostener el papel del docente. Desde OPEN LAB quisimos traducir esas preocupaciones en una aplicación concreta. Desarrollo2 es una propuesta en uso que podemos observar, discutir y mejorar a partir de la experiencia educativa, reconociendo sus posibilidades y sus límites. No reemplaza al aula virtual de la institución (Moodle u otra): se usa junto con ella, en las actividades en las que interesa ver el recorrido del estudiante.
El docente puede pedir una primera producción sin IA, abrir con una pregunta orientadora o proponer conversaciones con actores de un caso. También puede combinar instancias con y sin IA, defensas orales y comprobaciones posteriores.
El docente puede asignar una revisión entre pares. El estudiante consulta el recorrido y la entrega del compañero asignado y escribe una devolución. No se trata solo de opinar sobre el resultado: puede analizar qué preguntas permitieron avanzar, qué respuestas se aceptaron sin discutir y cómo se fundamentó o revisó una decisión.
Así, aprender a aprovechar la IA también implica observar otras maneras de preguntar, contrastar y pensar. El docente puede revisar las devoluciones y evaluar la calidad de la coevaluación. La IA puede dejar una observación sobre la devolución, sin calificarla ni impedir que se guarde. Es una actividad pautada, no una publicación abierta de las conversaciones.
Los estudiantes de una misma actividad pueden debatir entre ellos en un chat grupal, en vivo. El docente lo sigue desde su panel y solo ve los debates de su propia actividad.
Para el cierre de la clase, puede pedirle a la IA una lectura del intercambio: cómo se distribuyó la participación, los temas principales, las dudas recurrentes, los desacuerdos y qué preguntas podría hacer para intervenir. La IA recibe el debate con alias, sin los nombres de los participantes, y señala sin calificar: no pone niveles ni puntajes a la participación de nadie.
Módulo optativo propuesto por Maximiliano Pérez: cada docente decide si lo activa en su actividad.
El recorrido registrado muestra cómo se trabajó. Rebuild aporta otra instancia: reconstruir las razones sin tener delante la entrega ni el chat originales, explicar qué se sostiene hoy y qué cambiaría ante nuevas condiciones. No se trata de repetir de memoria, sino de volver a conducir la decisión.
Rebuild está desactivado por defecto. El docente elige en qué actividad habilitarlo y redacta las tres consignas. Puede sumar una cuarta pregunta: qué sostendría el estudiante aunque no lo exigiera la consigna y qué incorporó principalmente para cumplir. Esa pregunta queda fuera de la evaluación: no examina, abre una conversación. Cada intento conserva sus preguntas y respuestas, y recibe una devolución propia, sin modificar las notas existentes.
Para contrastar la reconstrucción con la entrega y el diálogo originales, el docente dispone de una guía cualitativa y puede documentar la posición inicial, los giros, la propuesta entregada y lo que el estudiante sostiene ahora. Un apoyo local señala fragmentos por coincidencias de vocabulario y propone preguntas que el docente revisa y adapta: orienta dónde mirar, no interpreta ni califica por él.
La pantalla de reconstrucción no muestra la entrega ni el chat originales y no incluye un asistente de IA. No bloquea otras pestañas ni garantiza ausencia de ayuda externa: las condiciones y los apoyos se acuerdan previamente. El estudiante puede realizar nuevos intentos y conservar los anteriores.
El cambio de condiciones no busca una pregunta que la IA no pueda responder: sirve para ver cómo el estudiante reorganiza sus razones. Y una reconstrucción se interpreta siempre mirando las oportunidades y los apoyos que tuvo. Por ejemplo, en Origen Cercano: «Ahora el cliente ofrece pagar por adelantado. ¿Aceptarías las 180 cajas? ¿Qué problema se resuelve y cuáles siguen pendientes?». Interesa cómo distingue liquidez, capacidad y organización, no que adivine una respuesta esperada.
Es una instancia formativa, no un detector de fraude ni una calificación automática. Las diferencias con el recorrido anterior requieren interpretación docente y pueden reflejar una posición que maduró. No se suman puntajes de reconstrucción ni se equipara cantidad de mensajes con pensamiento. El módulo complementa la actividad; no sustituye lo que ya funciona. El reconocimiento a ciegas entre variantes pertenece a una etapa experimental futura y no está habilitado.
En la ficha de cada estudiante, el docente puede conversar con la IA sobre el recorrido registrado para examinar evidencias, contrastar su propia lectura y fundamentar la devolución. La IA cita fragmentos del registro, señala qué evidencia falta y no pone nota. El diálogo queda guardado para el equipo docente de la actividad. En el formulario de evaluación, la IA también puede señalar evidencias a favor y en contra por cada criterio de la rúbrica, con citas del registro y sin puntajes: la nota la pone el docente.
El docente supervisa también las respuestas de la IA: puede cuestionarlas, contextualizarlas y decidir qué pregunta o intervención ayudaría al estudiante a seguir elaborando. Una interpretación automática es un insumo para discutir a la luz del registro y de la situación educativa.
Si le pedimos al estudiante que no delegue su pensamiento en la IA, debemos sostener el mismo principio al evaluar: el docente tampoco puede delegar su juicio.
El uso de IA en educación no tiene una única respuesta. Estas iniciativas valiosas priorizan aspectos diferentes; algunas comparten su código y otras se ofrecen mediante acuerdos institucionales.
La impronta de Desarrollo2: del diálogo a la evaluación formativa. Desde Argentina, OPEN LAB · Universidad Nacional de Quilmes integra en una misma actividad cuatro momentos que el docente puede diseñar y acompañar: diseña la consigna, los criterios y el prompt marco; acompaña mientras el estudiante conversa con la IA y sostiene una decisión propia; observa e interviene durante el trabajo, y evalúa el proceso con la producción inicial, el diálogo, las revisiones y la entrega final. Otras herramientas aportan a la autoría, la tutoría o la configuración de agentes. Nuestra contribución específica es reunir estas posibilidades en un recorrido de evaluación formativa centrado en el trabajo intelectual del estudiante. Desarrollo2 ya está operativo y publicado como código abierto, con licencia MIT, para que cualquier institución pueda usarlo.
No te va a dar una receta. Lo que sabe hacer alguien con años de práctica no entra en un tutorial, como el guiso de la abuela que se hace «a ojo». Desarrollo2 no transmite esa mano: ofrece la casa para practicarla, con un recorrido registrado y un docente que acompaña.
Verlo en uso
Los casos son simulaciones pedagógicas. Los diálogos son ejemplos recreados, no conversaciones de estudiantes.
Ver en YouTube el video «Desarrollo2 en un minuto» (se abre en otra pestaña)
El estudiante asume el rol de director o directora general ante una decisión sobre adopción de IA. Puede conversar libremente con Finanzas, Comercial, RR. HH. u otras áreas representadas por la IA, confrontar prioridades y justificar una decisión propia.
Antes de invertir en IA, quiero comparar el costo total con el riesgo de no aprender a usarla. Empecemos por Finanzas: ¿qué datos faltan para hacer esa comparación?
Habría que estimar licencias, integración, capacitación y mantenimiento, pero también el costo de seguir con los procesos actuales. ¿Qué cifras tenemos y cuáles serían todavía supuestos?
Sin una línea de base no aprobaría la inversión. Ahora quiero hablar con Comercial para conocer tiempos de respuesta y ventas actuales, y definir cómo mediríamos una mejora.
Ahora te habla Comercial. Podemos revisar tiempos de respuesta y tasa de conversión. ¿Qué cambio concreto esperarías ver y en qué plazo?
Lo que observa el docente: qué perspectivas consulta el estudiante, qué información pide, cómo integra las respuestas y por qué sostiene o posterga su decisión.
El estudiante lee el caso, plantea un problema principal y conversa con diferentes actores. La actividad le pide una propuesta breve: qué haría primero, qué tecnología usaría —si corresponde— y cómo mediría el avance.
Mi primera idea era abrir una tienda en línea, pero tal vez el problema principal sea que los pedidos se pierden entre varios canales. Quiero escuchar a Operaciones antes de elegir una herramienta.
Recibimos pedidos por vías distintas y el stock se actualiza tarde. Una tienda nueva podría ordenar parte del trabajo, pero ¿qué proceso habría que corregir primero para evitar más demoras?
Primero registraría todos los pedidos y mediría las entregas tardías durante unas semanas. Después haría una prueba pequeña; no asumiría que comprar una plataforma resuelve la organización.
¿Qué resultado de esa prueba te indicaría que conviene ampliarla y cuál te haría cambiar el plan?
Lo que observa el docente: cómo el estudiante revisa su hipótesis inicial, contrasta las respuestas, propone una prueba y define qué evidencia necesitaría.
Lo que puede observarse
El docente puede comparar momentos del recorrido y preguntar por qué cambió —o no— una decisión. Cuando habilita Rebuild, suma la reconstrucción posterior como otra evidencia, sin confundir lo registrado entonces con lo que el estudiante puede sostener ahora.
Explorar la demostración públicaEscribir a mano mantenía juntas tres preguntas que la inteligencia artificial separa. Desarrollo2 no da un veredicto: ofrece evidencias distintas para cada una.
Qué la responde en Desarrollo2: El registro del diálogo con la IA.
Qué no puede decir: Si el estudiante sostiene lo que entregó.
Qué la responde en Desarrollo2: El reconocimiento y la defensa: el estudiante explica qué sostiene y de qué decisiones se hace cargo.
Qué no puede decir: Si hoy puede rehacerlo sin tenerlo delante.
Qué la responde en Desarrollo2: La defensa ya puede mostrarlo; Rebuild lo pone a prueba en su forma más exigente: reconstruir la decisión sin la entrega ni el chat original.
Qué no puede decir: Qué pasó durante la producción; informa sobre el presente.
Las respuestas pueden no coincidir. Alguien puede reconocerse en un texto y hoy no poder rehacerlo: eso no es trampa, es información para la conversación con el docente.
Uso registrado
Cifras acumuladas al 06/11/2026. Se actualizan a partir de la actividad registrada en Desarrollo2.
Desde el 30/04/2026. Cuenta consultas a la IA y mensajes escritos por estudiantes, no respuestas automáticas; los identificadores de acceso pueden incluir pruebas. Las entregas incluyen entregas sucesivas de un mismo estudiante. Son cifras de uso, no de impacto.
Usarla con estudiantes reales nos enseñó cosas que ningún modelo sabía: que a la IA le cuesta cerrar el diálogo, o que una etiqueta automática calificaba de «excelente» a 203 de 210 entregas. A partir de eso ajustamos los cierres de conversación y retiramos esa etiqueta: la IA señala evidencias, pero la valoración es del docente. También vimos que el panel docente resultaba complejo para quien recién empieza, y sumamos una vista básica. La IA no se embarra; las personas sí.
Una máquina también puede premiar lo que se parece a lo que ya conoce y multiplicar un sesgo con apariencia de neutralidad. Por eso la calificación queda siempre en manos del docente.
Preguntas frecuentes
Qué hace, qué no hace y cómo podría utilizarse en una institución.
Un chat abierto puede ser útil, pero por sí solo no establece una consigna compartida, un recorrido configurable ni un espacio donde el docente observe e intervenga sobre las evidencias de la actividad. Desarrollo2 organiza esa relación entre docente, estudiante e IA dentro del mismo entorno.
No. El uso de IA puede ser parte explícita de la actividad. El docente establece cuándo y para qué se utiliza. Lo que se evalúa es si el estudiante conserva la responsabilidad intelectual: comprender, decidir, argumentar y revisar. La pregunta no es si lo hizo la IA o el estudiante, sino cómo se combinaron.
Puede ser una decisión tan pensada como cualquier otra. Lo que interesa es qué razones da, qué alternativas consideró y qué lo haría cambiar de posición. Un desacuerdo fundamentado también muestra elaboración, y el mismo criterio vale para quien acepta con entusiasmo. Desarrollo2 no premia el uso de la IA: valora la calidad de las razones.
Los detectores juzgan el texto terminado y tienen limitaciones documentadas: un estudio de la Universidad de Stanford (2023) encontró que, en ensayos en inglés, marcaban como generados por IA a más de la mitad de los escritos por hablantes no nativos y casi ninguno de los de nativos. Desarrollo2 no usa detectores: permite evaluar la entrega junto con evidencias del recorrido registrado. Ese registro ofrece indicios del razonamiento, no una lectura directa de todo lo que la persona pensó.
Puede definir la consigna, cómo empieza la actividad, el prompt marco que orienta a la IA, las evidencias requeridas y los criterios de evaluación. También puede intervenir durante el trabajo y sumar defensas orales, producciones sin IA o comprobaciones posteriores.
En una actividad con IA, la máquina produce la mayor parte del texto: responde rápido, nunca se cansa y siempre tiene algo para decir. Pero cantidad de palabras no es conducción. La IA aporta material; el docente decide por dónde empezar, qué ejemplo pedir, cuándo cortar una deriva y cuándo profundizar, y valora el recorrido de cada estudiante. Su rol no desaparece: se desplaza de transmitir información a ejercer criterio sobre qué preguntar, qué sostener y qué corregir. La IA eleva el piso, pero no lo iguala: no es el mismo piso el de una suscripción paga que el de una versión gratuita. Y el techo lo sigue poniendo quien conduce. En Desarrollo2, todos los estudiantes de una actividad trabajan con el mismo modelo, que costea el proyecto, sin pagar nada: dentro del aula, el piso es el mismo para todos. Y lo nuevo tampoco lo trae la IA: sabe cómo se enfrentaron los problemas que alguien ya dejó escritos, pero no se embarra; lo que aparece en un aula concreta lo descubren las personas que están ahí.
Puede hacer preguntas en lugar de dar respuestas, pedir datos y fundamentos, señalar tensiones o representar actores y áreas de un caso. El estudiante puede explorar perspectivas y debe decidir qué hacer con ellas. La configuración depende de los objetivos docentes.
No. Es un módulo independiente, desactivado por defecto. El docente decide si lo habilita en una actividad y comunica previamente las condiciones. Los intentos y devoluciones se guardan por separado: no reemplazan entregas, no borran conversaciones ni modifican automáticamente calificaciones. Se accede desde la pantalla docente; el estudiante ve el enlace cuando su actividad lo tiene habilitado.
Ofrece evidencias del proceso para fundamentar una evaluación docente, no un veredicto automático sobre aprendizaje o autoría. Incorpora evidencias adicionales para la evaluación (preguntas, argumentos, revisiones y decisiones registradas) cuya utilidad para evaluar deberá estudiarse. El docente puede contrastarlas con Rebuild, defensas orales o producciones sin IA. La evaluación comparada del impacto pedagógico forma parte de una investigación proyectada, todavía no iniciada.
Hoy funciona con GPT-4o mini de OpenAI mediante su API. Puede integrarse con otros modelos, comerciales o abiertos, incluidos modelos ejecutados localmente, según las necesidades y los recursos de cada institución.
Las producciones y conversaciones quedan registradas en un servidor administrado por el equipo y pueden ser consultadas por el equipo docente responsable de la actividad. Si se asigna una coevaluación, el compañero revisor puede consultar el recorrido asignado, incluido el chat con el docente, para realizar su devolución. El proyecto de investigación todavía no se inició y su exportación está desactivada; participar en la actividad educativa no implica autorizar una investigación. Antes de enviar cada pedido a la IA, la aplicación identifica al estudiante con un seudónimo y retira correos reconocibles y números de documento o teléfono rotulados como tales; es seudonimización, no anonimización. Se recomienda no ingresar datos sensibles innecesarios. Leer el aviso de privacidad.
Desarrollo2 es un desarrollo de OPEN LAB, proyecto de extensión de la Universidad Nacional de Quilmes, y está publicado como código abierto con licencia MIT en GitHub. Es un bien público: cualquier institución puede instalarlo por su cuenta o con el apoyo de equipos técnicos o empresas que trabajan con software de código abierto, sin pagar licencias. OPEN LAB no vende el software ni servicios comerciales: lo desarrolla, lo publica y acompaña pilotos y colaboraciones académicas. En la instancia de OPEN LAB, la responsable de los datos es la Universidad Nacional de Quilmes. La orientación pedagógica y las herramientas de seguimiento docente forman parte de Desarrollo2; los casos son materiales didácticos que se usan con ella.
La aplicación está en proceso, en etapa de pilotaje: funciona y se utiliza en experiencias universitarias de Argentina y Colombia. Por ahora no opera en la Unión Europea ni en Estados Unidos; su adaptación a la normativa europea está en preparación. Hay casos, interacciones y entregas reales, además de una metodología de pilotaje. La investigación para evaluar comparativamente su impacto pedagógico está proyectada y todavía no se inició. Ver metodología de pilotaje.
Pilotos y colaboración académica · OPEN LAB
OPEN LAB acompaña pilotos y colaboraciones académicas. Acordamos con la institución y sus docentes una actividad acotada, sus objetivos y criterios, el acompañamiento docente y qué evidencias permitirían valorar si la aplicación aporta algo al aprendizaje y a la evaluación.
Es una actividad de extensión universitaria, con información clara para los estudiantes.
Investigación · Divulgatio y Zenodo
El fundamento de Desarrollo2 está en el artículo «Más allá del algoritmo», publicado en la revista Divulgatio de la UNQ. La serie «Pensar con la máquina sin dejar de pensar», de Maximiliano Pérez, es un trabajo propio: complementa a Desarrollo2 y le aporta ideas, pero no forma parte de la herramienta. Reúne nueve trabajos publicados en Zenodo. Los cuatro primeros forman un primer movimiento, «Cuando producir deja de probar»: reconocerse, habitar, tomar posición y reconstruir. Los cinco siguientes forman el segundo, «Enseñar con la máquina sin dejar de enseñar», y lo amplían hacia las condiciones que ofrece quien enseña, la mirada de quien evalúa, lo que la máquina nos deja ver de nosotros, el acompañamiento de un recorrido y la ayuda que deja aprender.
Trayectoria de OPEN LAB · Universidad Nacional de Quilmes
OPEN LAB es un proyecto de extensión de la Universidad Nacional de Quilmes, con Maximiliano Pérez como director y Sebastián Torre como codirector. Ana Belén Gómez Reyes está a cargo de la coordinación académica. El código de Desarrollo2 ya está publicado con licencia MIT en GitHub: un bien público, sin pagar licencias. También se sumará al catálogo Código para el Desarrollo del BID.
OPEN LAB desarrolló junto al Hospital Mario V. Larraín de Berisso un asistente de IA para consultas académicas. Esa solución, publicada con código abierto, fue en 2025 una de las iniciativas ganadoras del concurso Gobernarte – Premio Pablo Valenti del BID, entre 119 propuestas de 11 países de América Latina y el Caribe. El reconocimiento corresponde a ese desarrollo del equipo, no a Desarrollo2.
En una nueva etapa, OPEN LAB aborda otra pregunta: cómo acompañar y evaluar el trabajo intelectual del estudiante cuando usa IA. El fundamento pedagógico de Desarrollo2 se expone en Más allá del algoritmo: el sentido pedagógico de la evaluación en tiempos de IA, de Maximiliano Pérez y Ana Belén Gómez Reyes. La Universidad presentó públicamente la etapa inicial de este desarrollo de OPEN LAB; hoy la aplicación se utiliza en experiencias universitarias.
Una nueva etapa de acompañamiento. El 1 de octubre comenzamos nuestra participación con Desarrollo2 en EduTech Emprèn 2026, el programa de acompañamiento de proyectos educativos de base tecnológica de la Universitat Oberta de Catalunya (UOC). Es un espacio para trabajar sobre la evolución del proyecto; no constituye una certificación de la aplicación ni de su impacto.
