Servicios profesionales
Ship Shift

Inteligencia artificial para centros educativos y de formación

En educación el retorno práctico está en matrículas y dudas administrativas, en tutores de apoyo con materiales propios, en corrección asistida con revisión docente y en alfabetizar al claustro. La evaluación del alumnado es uso de alto riesgo (anexo III): se diseña con cuidado o se deja fuera.

Actualizado: 17/11/2026

Los problemas que vemos en educación y formación

Secretaría y coordinación pedagógica absorben lo que debería ser tiempo de aula. Los materiales viven en carpetas sin buscador.

  • Matrículas y preinscripciones con emails repetidos («¿qué documentos faltan?»).
  • Dudas de alumnado y familias fuera de horario que caen en el móvil de un tutor.
  • Corrección de ejercicios repetitivos que consume noches del docente.
  • Materiales propios (apuntes, vídeos, normas internas) inaccesibles en Drive caótico.
  • Presión por «usar ChatGPT» sin política ni formación del claustro.
  • Riesgo de automatizar notas o admisiones sin encajar el anexo III.

¿Qué puede hacer la IA en educación?

Seis usos. La evaluación automática de alumnado no es el punto de partida: es la zona roja.

  1. Matrículas y dudas administrativas. Checklist documental, horarios y estados de expediente.
  2. Tutor de apoyo con materiales propios. Respuestas citando apuntes y normas del centro.
  3. Corrección asistida. Borrador de feedback; el docente valida y pone la nota.
  4. Gestión administrativa. Clasificación de solicitudes y generación de listados.
  5. Creación de materiales. Borradores de actividades a partir de guías docentes.
  6. Alfabetización en IA del claustro. Talleres por rol y política de uso.

Programas que solemos conectar

Podemos integrar Moodle/Classroom, Excel de secretaría, CRM de captación, WhatsApp/email institucionales y repositorios de materiales. Permisos por curso y por rol (alumno, docente, admin).

ÁmbitoHerramientaNota de riesgo
SecretaríaEmail / Excel / ERPBajo si es admin
TutoríaLMS + docsMedio: citas a material
CorrecciónLMSHumano valida nota
Evaluación automática—Alto riesgo anexo III

Normativa y riesgos específicos

La evaluación del alumnado es un uso de alto riesgo en el anexo III del Reglamento de IA. Las obligaciones reforzadas de alto riesgo quedan aplazadas al 2/12/2027 por el ómnibus, pero el diseño responsable no espera a la fecha: o el docente decide la nota, o el sistema entra en un marco de alto riesgo explícito.

Menores: protección reforzada de datos. Consentimientos, minimización y canales institucionales.

Alfabetización en IA (art. 4, reformulado como fomentar medidas): el claustro necesita criterio, no solo cuentas de ChatGPT.

Lo hemos hecho

La formación en IA para equipos y los asistentes con documentos propios son líneas activas de servicio (formación, asistente interno).

Escenario ilustrativo: una academia de FP con 600 alumnos satura secretaría en septiembre. Un asistente responde documentación de matrícula y horarios; las excepciones (becas, convalidaciones) escalan. La corrección de tests tipo test sugiere feedback; el profesor confirma. No es un centro cliente publicado.

¿Por dónde empezar?

Empieza por matrículas/dudas administrativas o por un tutor con materiales de un solo módulo. Evita empezar por «poner notas con IA».

Política de uso → piloto administrativo o tutor → formación del claustro → solo después, corrección asistida. Metodología · AI Act.

Claustro, secretaría y familias

Secretaría necesita respuestas cortas y enlaces a formularios oficiales, no prosa generativa.

El docente necesita citas al material del curso; si el modelo inventa un teorema, se ve en la fuente ausente.

Las familias aprecian un canal único (web/WhatsApp institucional) con horario y escalado.

FUNDAE puede financiar formación del personal si cumple requisitos de formación programada; no prometemos la ayuda: se estudia caso a caso.

Anexo III: cómo no meterse en alto riesgo sin querer

Si el sistema decide o condiciona de forma significativa la nota, la promoción o la admisión, entráis en evaluación de personas físicas en educación: alto riesgo. Si el sistema propone feedback y el docente pone la nota con criterio propio, el diseño es otro — y hay que documentarlo así.

No basta con «el profesor puede cambiarlo» en letra pequeña si en la práctica nadie revisa. El proceso debe forzar la validación humana antes de publicar la calificación.

Menores: cuentas institucionales, retención limitada, sin entrenar modelos con chats de alumnos, y contenidos filtrados. Las familias necesitan un canal claro y un horario de escalado.

El tutor con materiales propios funciona cuando los apuntes están versionados y el docente indica qué es canónico. Si el Drive es un caos, primero curación, después IA.

Alfabetización del claustro: sesiones por rol (docente, secretaría, dirección) con ejemplos de alucinaciones y de fugas de datos. Sin eso, cada profesor improvisará con herramientas personales.

Matrículas: el asistente lista documentos, plazos y enlaces oficiales. No interpreta normativa de becas ni promete resoluciones. Lo raro escala a secretaría.

Medimos éxito con tiempo de respuesta en matrícula, % de dudas resueltas con fuente citada, y satisfacción docente con la corrección asistida — no con «número de prompts».

Errores frecuentes en educación

Empezar por poner notas con IA: entráis en anexo III sin red. Empezad por secretaría o tutor con materiales.

Dejar que alumnos usen bots personales con datos de compañeros: política y canales institucionales primero.

Indexar apuntes sin marcar qué es canónico: el tutor citará versiones viejas. Curación docente.

Formar al claustro solo con un webinar genérico: necesitáis ejemplos del propio centro y reglas locales.

Documentad por escrito que la calificación final es decisión docente. Si usáis corrección asistida, el LMS debe exigir confirmación antes de publicar la nota. Formad al claustro con ejemplos de alucinaciones en materiales propios: ver una cita inventada en el propio apunte enseña más que un slide. Secretaría necesita enlaces oficiales, no paráfrasis legales. Medid el piloto de matrícula con volumen real; un piloto en agosto vacío no vale. El anexo III obliga a demostrar supervisión humana, no a esconderla detrás de un chatbot amable.

Dónde trabajamos este sector

Preguntas frecuentes

¿Podéis poner notas con IA?

No como decisión automática. La evaluación del alumnado es alto riesgo (anexo III). Diseñamos corrección asistida con validación docente.

¿Qué implica el anexo III aquí?

Usos de alto riesgo con obligaciones reforzadas (calendario 2/12/2027 para muchas obligaciones). Hay que clasificar el sistema con cuidado.

¿Los menores pueden hablar con el bot?

Solo con diseño RGPD adecuado, canal institucional y límites claros de contenido.

¿Formáis al claustro?

Sí: talleres por rol y política de uso. Ver formación en IA para empresas.

¿Integráis Moodle?

Podemos integrar LMS habituales según API y permisos.

¿Por dónde empieza un centro pequeño?

Por FAQ de matrícula y un tutor de un módulo con apuntes curados.

Cómo sostenemos el resultado

En la práctica de educacion formacion, el valor aparece cuando el piloto mide un KPI operativo concreto y no solo demos. Ship Shift acota alcance, datos y criterio go/no-go antes de escalar (d05295e8).

Documentamos excepciones, owners y handoff humano para que la automatización no esconda errores. El backlog se prioriza por impacto en minutos, errores y coste de oportunidad en educacion formacion.

La integración con ERP, CRM o correo evita islas. Si el sistema no escribe el resultado donde ya trabaja el equipo, el piloto muere en la semana dos. Referencia interna d05295e8.

Formación breve al usuario final, métricas semanales y un canal claro de incidencias cierran el ciclo. Sin eso, educacion formacion queda en PowerPoint.

Cuando el volumen crece, añadimos guardrails, logs y revisión por muestreo. Así educacion formacion escala sin perder trazabilidad ni confianza del negocio (d05295e8).