Artículo 008
ARTÍCULO 008 · IA Y REVISIÓN HUMANA · 16 DE AGOSTO DE 2026
IA y revisión humana: una propuesta no es una aprobación
La IA puede acelerar el trabajo de diseño. Pero una respuesta convincente no equivale a una decisión pedagógica, editorial o psicométrica. La calidad exige separar la hipótesis automática de la revisión humana responsable.
El principio no negociable
En Lector Global, la IA puede redactar candidatos, detectar riesgos, aplicar una rúbrica, proponer una revisión o simular análisis. Su función es producir hipótesis contrastables, desacuerdos y un expediente previo. No es fabricar consenso ni sustituir la responsabilidad de quien revisa.
Qué puede aportar una IA
Lectura y lenguaje
Puede señalar una clave ambigua, un referente poco claro, una inferencia débil o un distractor cuya relación con el texto no está explicada.
Didáctica
Puede proponer estrategias observables, errores probables y una retroalimentación que invite a volver a la evidencia.
Lectura crítica
Puede elaborar mapas argumentales, señalar supuestos o formular preguntas sobre credibilidad, perspectiva y relación entre fuentes.
Cobertura y riesgos
Puede contrastar un borrador con una matriz de procesos, formatos, accesibilidad y posibles barreras de equidad.
Estas aportaciones son útiles cuando se tratan como un punto de partida que debe ser comprobado. La herramienta no conoce por sí misma el uso real del material, su población o las consecuencias de una decisión.
Qué no puede decidir
Una IA no puede determinar que una operación sea realmente lectora, que un nivel interno sea defendible, que exista una única clave o que una tarea sea auténtica para una población concreta. Tampoco puede autorizar una adaptación, certificar accesibilidad o equidad, concluir que hay validez, inventar datos de personas participantes ni presentar parámetros psicométricos inexistentes.
| Pregunta | La IA puede ayudar a explorar | La decisión corresponde a |
|---|---|---|
| ¿Qué observa este reactivo? | Riesgos de alineación, evidencia y ambigüedad. | Especialistas humanos de lectura, lenguaje y currículo. |
| ¿La tarea enseña una estrategia? | Posibles acciones de relectura y transferencia. | Especialistas humanos de didáctica. |
| ¿Hay riesgo de daño o barrera? | Señales de alerta y alternativas de diseño. | Revisión humana de accesibilidad, equidad y sesgo. |
| ¿Sostiene una inferencia de medición? | Simulaciones y preguntas para un plan de análisis. | Profesionales de psicometría con datos reales. |
El expediente antes de la decisión
La persona revisora no debe recibir solo un texto pulido. Debe poder comprobar qué se propuso, por qué se propuso y qué desacuerdos permanecen. Un expediente útil contiene el estímulo y sus metadatos, el reactivo y la clave, el localizador de evidencia, la razón de los distractores, informes separados por especialidad, matriz de desacuerdos, historial de versiones y preguntas aún abiertas.
Cuando existan, también se adjuntan datos humanos. Nunca se inventan para completar un formulario o dar apariencia de validación.
El desacuerdo es evidencia, no ruido
Si una revisión automática plantea una objeción crítica, el material no avanza sin resolverla. Si hay desacuerdos sustantivos, se realiza una adjudicación humana y se conserva el voto previo al consenso. Ninguna especialidad sustituye a otra: una opinión psicométrica no resuelve el contenido; una opinión lingüística no resuelve la equidad.
Ejemplo: una pregunta plausible, todavía no aprobada
Una IA puede escribir cuatro opciones coherentes para una pregunta sobre la idea principal de un pasaje. Puede incluso indicar que una es correcta y que las otras representan errores frecuentes. Eso no basta: una persona revisora debe comprobar que la clave sea única, que el texto aporte evidencia localizable, que los distractores sean plausibles sin ser engañosos y que la demanda corresponda al nivel interno y propósito declarados.
Si la IA propone un distractor basado en un dato cultural que el pasaje no explica, la revisión puede exigir rediseño. La fluidez del texto no reemplaza esa comprobación.
Una regla de publicación honesta
Lector Global puede comunicar que un material fue apoyado por IA y posteriormente revisado con un proceso documentado. No debe usar “revisión experta” para nombrar una salida automática ni afirmar validación cuando solo existen propuestas, simulaciones o controles internos.
La responsabilidad no desaparece al usar una herramienta. Se vuelve más importante dejar claro qué fue generado, qué fue revisado, quién decidió y qué evidencia sigue pendiente.
La IA propone; la responsabilidad permanece humana
Una herramienta generativa puede ayudar a bosquejar preguntas, localizar inconsistencias o proponer variantes. No puede aprobar por sí misma una obra, una traducción, un distractor, una afirmación sobre derechos ni una conclusión sobre un lector. Cada propuesta debe tener un responsable humano que compruebe fuente, evidencia, accesibilidad, sesgo, claridad y límite de uso antes de publicarla.
La trazabilidad debe distinguir lo que fue asistido de lo que fue revisado. No se publica una salida por su fluidez: se conserva la decisión editorial, los cambios realizados y el motivo de aprobación, corrección o retiro. La transparencia protege tanto al lector como al equipo que corrige una propuesta defectuosa.
Relación con el Marco MRCL
Este artículo desarrolla los principios de IA con límites explícitos, revisión humana y trazabilidad del Marco de Referencia de Comprensión Lectora de Lector Global. Ante cualquier diferencia, prevalece el documento rector versionado.
Fuentes y referencias
Fuente de primer nivel
- UNESCO. (2023). Guidance for generative AI in education and research. Orientación sobre supervisión humana, transparencia y uso responsable de IA generativa.
Referencias de segundo nivel
- National Institute of Standards and Technology. (2023). Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. Marco para identificar y gestionar riesgos asociados a IA generativa.
- OECD. (2019). Recommendation of the Council on Artificial Intelligence. Principios sobre transparencia, responsabilidad y supervisión humana.
Artículo publicado el 16 de agosto de 2026. Actualizado el 1 de septiembre de 2026. Describe un protocolo de apoyo y revisión; no presenta resultados automáticos como validación experta, evidencia humana o aprobación de publicación.