Bienvenidos a Navegando en la Educación Digital. Durante los últimos años, la discusión educativa sobre inteligencia artificial se concentró en una preocupación: que un estudiante usara IA para resolver una tarea o responder un examen. El problema parecía estar en la respuesta. En 2026 entramos en otra etapa. Los sistemas agentivos ya no sólo generan contenido: algunos pueden navegar, interpretar interfaces, buscar información y ejecutar acciones dentro de un entorno digital.
Hasta hace poco, detrás de cada clic en una plataforma educativa suponíamos que había una persona. Cuando un estudiante ingresaba a un aula virtual y respondía, la plataforma registraba esas acciones como evidencia de participación. Los agentes de navegador comienzan a romper esa equivalencia. Jisc advierte que algunos pueden iniciar sesión, completar módulos o responder cuestionarios con escasa intervención del estudiante y que su detección confiable todavía no resulta viable (Webb, 2026).
La IA generativa podía producir una respuesta que después una persona copiaba. La IA agentiva puede comenzar a realizar la actividad en el mismo espacio digital donde antes asumíamos que actuaba el estudiante. Pasamos de una inteligencia artificial que nos decía qué hacer a una inteligencia artificial que puede comenzar a hacerlo por nosotros.
El AI Index Report 2026 señala que en WebArena los agentes pasaron de aproximadamente 15 % de éxito en 2023 a 74.3 % a inicios de 2026, cerca del referente humano de 78.2 % (Stanford Institute for Human-Centered Artificial Intelligence, 2026). Navegar y ejecutar secuencias digitales ya no son actividades exclusivamente humanas.
Esto obliga a revisar un supuesto: que el producto entregado y la secuencia registrada constituían evidencia suficiente del aprendizaje. Un ensayo bien escrito parecía demostrar comprensión; una respuesta correcta, conocimiento. La IA generativa debilitó esa inferencia y los agentes la vuelven más problemática, porque parte de la trayectoria digital puede automatizarse.
Crompton y Burke (2026) identifican respuestas educativas centradas en proceso, autenticidad y diálogo. El problema no puede reducirse a detectar quién utilizó una herramienta.
La salida no debería ser sólo vigilar más o regresar al papel. El desafío es preguntarnos qué observamos cuando afirmamos que alguien aprendió.
Aquí aparece otra posibilidad: pasar de evaluar respuestas aisladas a observar experiencias, decisiones y acciones situadas. Los Entornos Digitales Inmersivos Tridimensionales con fines educativos (EDIT) permiten pensar esta transición porque amplían la interacción más allá de la estructura hipertextual de página, enlace, formulario y respuesta. El macroconcepto EDIT integra realidad virtual, realidad aumentada, mundos virtuales y otras configuraciones tridimensionales con posibilidades educativas específicas (Ángel Rueda, Valdés Godínes & Rudman, 2018; Valdés Godínes, Rudman & Ángel Rueda, 2021).
En estos entornos intervienen dimensiones que una evaluación hipertextual representa de manera limitada: espacio, tiempo, cuerpo, identidad y trayectoria. El estudiante no sólo informa qué haría; puede situarse mediante una representación digital, interactuar, tomar decisiones y experimentar consecuencias. Estudios sobre EDIT han mostrado su aplicación en aprendizaje inmersivo y colaboración (Valdés Godínes & Ángel Rueda, 2023).
Los EDIT no son inmunes a la automatización: los agentes también podrán controlar avatares y actuar en espacios tridimensionales. La diferencia está en diseñar experiencias donde el aprendizaje no dependa sólo de llegar a una respuesta correcta, sino de la relación entre percepción, contexto, decisión, acción y consecuencia.
Es aquí donde adquiere sentido la IA inmersiva. No se trata simplemente de colocar un chatbot dentro de un mundo virtual, sino de pensar una inteligencia artificial integrada como mediación situada en un espacio tridimensional, vinculada con la actividad y las decisiones del participante. Trabajos recientes ya exploran la relación entre práctica docente, mundos virtuales y dependencia en la inteligencia artificial inmersiva (Aguilar Muñoz, Ángel Rueda, Chaparro-Sánchez & Escudero-Nahón, 2026).
Podríamos imaginar a un estudiante mediante un avatar dentro de un escenario donde debe resolver un problema. La IA puede acompañarlo, pero la evaluación no tendría que limitarse a comprobar si llegó a la respuesta correcta. También podría observar qué información solicitó, qué recomendaciones aceptó o rechazó, cómo modificó su estrategia y cómo explica después sus acciones.
La pregunta educativa dejaría de ser “¿utilizaste inteligencia artificial?” para convertirse en “¿qué hiciste cognitivamente con ella dentro de esta situación?”.
No se trata de sustituir un examen por un videojuego ni de trasladar toda evaluación a la realidad virtual. Se trata de reconocer que los agentes revelan los límites de una evaluación digital construida bajo el supuesto de que toda acción registrada en pantalla correspondía directamente a una acción cognitiva humana.
Quizá el desafío no sea impedir que la IA entre al examen, sino diseñar experiencias donde podamos distinguir entre producir una respuesta y construir comprensión; entre ejecutar una acción y saber por qué; entre utilizar una herramienta y delegar en ella el proceso de pensar.
Si la inteligencia artificial ya puede escribir la respuesta, buscar la información y comenzar a actuar dentro del mismo entorno digital que el estudiante, ¿qué experiencia necesitamos observar para poder afirmar que alguien realmente aprendió?
Referencias
Aguilar Muñoz, M. J., Ángel Rueda, C. J., Chaparro-Sánchez, R., & Escudero-Nahón, A. (2026). Práctica docente en mundos virtuales: configuraciones pedagógicas entre apropiación y dependencia en la inteligencia artificial inmersiva. En A. Escudero-Nahón & E. P. Mercado-López (Eds.), Inteligencia artificial: experiencias y reflexiones sobre la investigación educativa (pp. 131–145). Editorial Transdigital. https://doi.org/10.56162/transdigitalbc13.07
Ángel Rueda, C. J., Valdés Godínes, J. C., & Rudman, P. D. (2018). Categorizing the educational affordances of 3 dimensional immersive digital environments. Journal of Information Technology Education: Innovations in Practice, 17, 83–112. https://doi.org/10.28945/4056
Crompton, H., & Burke, D. (2026). Higher education assessments in the age of GenAI: A systematic review. International Journal of Educational Technology in Higher Education, 23, 56. https://doi.org/10.1186/s41239-026-00627-4
Stanford Institute for Human-Centered Artificial Intelligence. (2026). AI Index Report 2026. Stanford University. https://hai.stanford.edu/ai-index/2026-ai-index-report
Valdés Godínes, J. C. (Coord.). (2021). Aprendizaje significativo a través de Entornos Digitales Inmersivos Tridimensionales (EDIT). Universidad Autónoma de Querétaro. https://fondoeditorial.uaq.mx/aprendizaje-significativo-a-traves-de-entornos-digitales-inmersivos-tridimensionales-edit-08hd8.html
Valdés Godínes, J. C., & Ángel Rueda, C. J. (2023). El trabajo colaborativo en los EDIT, explorando el aprendizaje inmersivo en el metaverso. Revista de Educación a Distancia (RED), 23(73). https://doi.org/10.6018/red.539671
Webb, M. (2026, January 23). An agentic AI primer. Jisc National Centre for AI. https://nationalcentreforai.jiscinvolve.org/wp/2026/01/23/an-agentic-ai-primer/
