La Inteligencia Artificial Generativa (IAG) ha redefinido el panorama social y, de forma ineludible, el educativo. Ante esta transformación, las instituciones de Educación Superior (ES) deben abordar no solo la integridad académica, sino también la revisión fundamental de su estructura curricular. En este contexto, la investigación de Daniel Lee y Edward Palmer (2025) emerge como una brújula esencial. Su revisión sistemática se centra en la capacidad docente para integrar de manera efectiva la Ingeniería de Prompts (PE, Prompt Engineering) en los planes de estudio.
El propósito central de los autores es establecer una base de evidencia sólida que guíe a los educadores a convertir el desafío tecnológico de la IAG en una oportunidad pedagógica tangible. La pregunta clave abordada es cómo incorporar la PE de forma efectiva, transformándola en una competencia crítica para el éxito profesional del futuro alumnado.
PE como competencia crítica
La PE se define como la habilidad para diseñar y refinar instrucciones lógicas y perspicaces para sistemas de IAG, buscando generar resultados óptimos, precisos y aplicables. En un ecosistema donde el uso de modelos como ChatGPT o Gemini es cotidiano, esta destreza trasciende la mera interacción y se consolida como una capacidad fundamental de la alfabetización digital avanzada.
El trabajo de Lee y Palmer sintetiza la evidencia reciente a través del análisis de 33 artículos, la mayoría estudios experimentales o de caso enfocados en aplicaciones de PE desde 2022. Esta investigación subraya que saber interactuar productivamente con la IA es tan importante como entender su funcionamiento.
Resultados clave para docentes
El análisis de la literatura destiló cinco temas centrales sobre la integración de la PE en la ES, destacando la necesidad de un enfoque pedagógico estructurado. A continuación, se detallan los puntos más relevantes para la práctica curricular:
1. La PE como habilidad
La principal conclusión es la reafirmación de que la Ingeniería de Prompts es una habilidad que se puede enseñar y transversal a la empleabilidad. Va más allá de la sintaxis, integrando aptitud lingüística, capacidad de resolución de problemas y el análisis crítico de las respuestas generadas por la IA. Es una meta-habilidad que exige pensamiento de nivel superior.
2. Marcos estratégicos para la interacción de calidad
Para la práctica docente, el hallazgo más significativo es la identificación de marcos estructurados (como AIPROMT, CLEAR o CRISPE) que facilitan la creación de prompts de alto valor. Estos marcos comparten elementos fundamentales: la necesidad de definir un rol explícito para la IA (personificación), proporcionar un contexto rico y seguir un proceso de diseño iterativo basado en ciclos de retroalimentación constante. Esta estructuración ofrece a los educadores herramientas concretas para la enseñanza metodológica.
3. Aplicación curricular y fomento del pensamiento divergente
La evidencia muestra la versatilidad de la PE, aplicable tanto en tareas administrativas (planificación de clases, diseño de evaluaciones) como en áreas creativas y técnicas. La PE transforma la IA de un repositorio pasivo a un «colaborador» activo, mejorando el pensamiento divergente y la comprensión profunda, siempre que se combine con una «saludable dosis de escepticismo», tal como insisten los investigadores.
Implicaciones para la páctica docente
Los educadores están llamados a adaptar los marcos identificados (CRISPE, CLEAR, etc.) a sus disciplinas. Una estrategia altamente efectiva, subrayada por la investigación, es el aprendizaje activo y experiencial: el profesorado debe involucrar a los estudiantes en la experimentación con diferentes personificaciones para la IA y comparar la calidad de las respuestas obtenidas.
Este proceso iterativo, basado en la evidencia práctica, convierte la PE en una herramienta poderosa para fomentar el aprendizaje profundo y el desarrollo de habilidades de pensamiento de orden superior. En definitiva, la investigación de Lee y Palmer es un llamado a la acción para que la flexibilidad curricular y el desarrollo profesional continuo del profesorado en PE se conviertan en pilares ineludibles para preparar a los futuros profesionales de la sociedad del conocimiento asistida por la inteligencia artificial.
Conclusiones
Esta revisión sistemática proporciona una base teórica para el diseño curricular contemporáneo. Si bien las técnicas específicas de PE pueden quedar obsoletas rápidamente ante la rápida evolución de la IAG, las habilidades subyacentes –el pensamiento crítico y la capacidad de iteración– se mantienen inalterables.
La PE es, fundamentalmente, un ejercicio de Alfabetización en IA (AI Literacy). Para obtener resultados significativos, el estudiante debe poseer un conocimiento disciplinar previo y aplicar constantemente la evaluación crítica para detectar sesgos, imprecisiones o las conocidas «alucinaciones» del modelo.
No obstante, el estudio ilumina una limitación crucial para la implementación curricular: la falta de métodos de evaluación estandarizados y validados. Si la PE debe ser una competencia medible, es imperativo desarrollar rúbricas fiables que evalúen el dominio de esta habilidad. La investigación en este ámbito debe desplazarse de la evaluación del producto final generado por la IA hacia la evaluación de la calidad y la metodología del proceso de PE realizado por el estudiante.
Este contenido ha sido creado con asistencia de inteligencia artificial y revisado por una persona experta antes de su publicación.
Fuente: https://link.springer.com/content/pdf/10.1186/s41239-025-00503-7.pdf
