Ofrecer atención individual a un alumno exige algo que no abunda precisamente en las escuelas: tiempo. Un profesor que tiene que hacer avanzar a toda una clase dispone de pocas ocasiones para detenerse con cada estudiante y averiguar por qué se ha perdido. Las tutorías ofrecen ese espacio. Permiten escuchar cómo el estudiante perdido ha llegado a una respuesta, encontrar el paso que le cuesta entender y volver sobre él en la siguiente sesión. Para quienes acumulan lagunas y empiezan a quedarse atrás, esa continuidad puede marcar una diferencia importante.
Las tutorías de alto impacto figuran entre las intervenciones educativas con mayor respaldo de la investigación. En estos programas, un tutor formado trabaja de manera estable con un alumno o con un grupo de hasta cuatro estudiantes, en sesiones frecuentes e integradas en la jornada escolar. Utiliza materiales vinculados a lo que se enseña en clase y ajusta las actividades según los avances que observa. Al reencontrarse cada semana, tutor y alumno construyen una relación que ayuda a sostener el esfuerzo.
Extender este modelo requiere contratar y formar a suficientes tutores, coordinar sus horarios con los de las escuelas y asegurar que los estudiantes asistan con regularidad. La atención individual tiene un coste y necesita una organización capaz de mantenerla durante meses. Ahí encuentra la inteligencia artificial uno de sus mayores atractivos para la educación. Un programa disponible para muchos alumnos a la vez podría ofrecer más oportunidades de practicar y recibir ayuda, con un coste menor.
El interés por estas herramientas ha llevado a la Universidad de Stanford a examinar qué sabemos sobre sus efectos en el aprendizaje. En agosto de 2026, el National Student Support Accelerator y el AI Hub for Education de su iniciativa SCALE publicaron AI Tutoring is Not a Monolith: What We Actually Know. La revisión reúne investigaciones sobre tutorías, estudios recientes de IA y entrevistas con profesionales del sector. Sus autores distinguen entre herramientas que conducen la actividad del estudiante y otras que asesoran al tutor mientras enseña. Cada modalidad modifica la forma de prestar ayuda y cuenta con un respaldo científico diferente.
Tener acceso a un tutor de IA no garantiza aprender
El primer obstáculo se presentó antes incluso de que los investigadores pudieran comprobar cuánto aprendían los alumnos. Había que conseguir que utilizaran la herramienta. En dos ensayos aleatorizados realizados en sendos distritos escolares, estudiantes de primaria tuvieron acceso a una plataforma de inteligencia artificial para practicar la lectura. Los centros habían reservado tiempo para esa actividad. Aun así, entre el 40 % y el 47 % de quienes debían trabajar con ella por su cuenta nunca llegaron a usarla. Entre los que sí entraron, el tiempo medio de uso fue de dos a cinco minutos semanales.
La plataforma estaba disponible, pero apenas formaba parte de la experiencia escolar de muchos niños. Quienes llegaron a utilizarla lo hicieron durante un total de cuatro o cinco semanas a lo largo de una intervención que duró varios meses. Una participación tan escasa y discontinua dejaba poco espacio para practicar, recibir ayuda y afianzar lo aprendido.
Los investigadores probaron también qué ocurría cuando un adulto acompañaba a los estudiantes. Su función consistía en animarlos a participar, comprobar cómo iban y ayudarles a mantener la atención. La enseñanza seguía a cargo del programa. Con ese apoyo, el uso de la plataforma aumentó entre uno y cuatro minutos semanales de media. Los alumnos participaron más, aunque el tiempo de práctica siguió siendo reducido y los ensayos no detectaron mejoras en lectura.
Los resultados muestran una dificultad que los programas educativos conocen desde hace tiempo. Disponer de un recurso y utilizarlo con la frecuencia necesaria son pasos distintos. En las tutorías humanas de alto impacto, esa frecuencia se organiza mediante sesiones regulares, con una persona que espera al alumno y retoma el trabajo donde lo dejaron. Cuando la actividad depende de un programa, incluso un horario reservado puede resultar insuficiente para que el estudiante empiece y persevere.
El informe recoge también un ensayo exploratorio en aulas británicas donde las sesiones dirigidas por IA, bajo supervisión humana, mantuvieron objetivos de aprendizaje definidos y contenidos ajustados al currículo. Es una señal relevante sobre cómo organizar estas actividades. Sus efectos académicos requieren todavía más investigación.
La revisión sitúa así las tutorías dirigidas por IA en un terreno de evidencia incipiente. Los ensayos de lectura permiten identificar barreras de participación y muestran que el acompañamiento adulto puede reducirlas, aunque, en esos casos, el aumento del uso fue insuficiente para lograr mejoras detectables. Para valorar una herramienta habrá que observar qué ocurre durante semanas, cuánto practican los alumnos y qué consiguen aprender. La cifra de estudiantes con acceso apenas describe el comienzo de ese recorrido.
La IA puede ayudar a los tutores a enseñar mejor
En una sesión de matemáticas, la respuesta equivocada de un alumno puede dejar al tutor ante varias opciones. Pedirle que explique cómo ha llegado a ella permite averiguar dónde se ha perdido. Darle una pista puede ayudarle a continuar. Resolver el ejercicio ante él ofrece un modelo que después podrá practicar. Elegir una intervención adecuada requiere conocer la materia y saber enseñarla. Para un tutor con poca experiencia, decidir mientras la conversación avanza puede resultar difícil.
Tutor CoPilot se diseñó para ofrecer ayuda en ese preciso momento. La herramienta proporciona sugerencias al tutor durante las sesiones virtuales, como preguntas para explorar el razonamiento del estudiante o formas de orientar el siguiente paso. El adulto sigue conduciendo la conversación y decide cómo utilizar ese apoyo.
Un ensayo aleatorizado con más de 700 tutores y 1.000 estudiantes de comunidades desfavorecidas examinó sus resultados. Los alumnos cuyos tutores tuvieron acceso al sistema registraron una probabilidad cuatro puntos porcentuales mayor de dominar los contenidos matemáticos trabajados en la sesión. La diferencia llegó a nueve puntos entre los estudiantes de los tutores que habían recibido valoraciones iniciales más bajas. El beneficio más amplio apareció, por tanto, allí donde la enseñanza tenía más margen de mejora.
Los investigadores analizaron también más de 350.000 mensajes de las conversaciones. Con la herramienta, los tutores formularon más preguntas para indagar en el razonamiento de los alumnos y recurrieron menos al elogio genérico. Ese análisis ayuda a entender qué cambió en las sesiones. Una pregunta bien elegida permite al tutor obtener información sobre lo que el estudiante comprende y ajustar su explicación a partir de su respuesta.
La mejora se observó en los contenidos de matemáticas trabajados durante las sesiones. Queda por comprobar cuánto perdura ese aprendizaje y si se obtendrían resultados similares en otras materias y contextos. Con ese alcance, el ensayo ofrece una de las evidencias más alentadoras que recoge Stanford sobre cómo la IA puede ayudar a los tutores a enseñar mejor.
El documento explora además tareas que pueden facilitar el trabajo antes y después de una sesión. Resumir el progreso de un alumno ayudaría a preparar el siguiente encuentro. Elaborar ejercicios ajustados al contenido de clase permitiría disponer de más opciones de práctica, una vez revisadas por el tutor. En la organización de los programas, analizar la asistencia puede servir para detectar quién está recibiendo menos sesiones de las previstas.
Estas posibilidades proceden de investigaciones y entrevistas recogidas por los autores y cuentan con grados de respaldo distintos. El ensayo de Tutor CoPilot midió un efecto en el aprendizaje. Los demás usos descritos señalan formas de aliviar la preparación y la gestión que todavía deben evaluarse en cada contexto. Su contribución dependerá de que la información llegue a tiempo, sea fiable y permita al tutor actuar sobre una necesidad concreta.
Qué significa mantener a las personas en el centro
La personalización suele describirse como la capacidad de ajustar los ejercicios al nivel de cada estudiante. En las tutorías de alto impacto, ese ajuste se produce dentro de una relación que se desarrolla durante semanas. El tutor va conociendo cómo razona el alumno y qué explicaciones le permiten avanzar. El estudiante, a su vez, encuentra a alguien con quien puede detenerse en una dificultad y volver a intentarlo. La revisión de Stanford recoge investigaciones que relacionan la continuidad con un mismo tutor con una mayor participación, motivación y aprendizaje.
Esa relación ayuda también a que los alumnos acudan. Uno de los estudios citados, realizado en escuelas de Washington D. C., encontró que tenían un 7 % menos de probabilidad de faltar los días en que contaban con una sesión de tutoría. El dato muestra hasta qué punto una intervención académica puede influir en la vinculación con la escuela. Para recibir ayuda hay que estar presente, y la expectativa de trabajar con un tutor puede contribuir a ello.
Introducir IA exige prestar atención a esas condiciones. Una herramienta puede ofrecer ejercicios adaptados y registrar las respuestas con detalle. Para que esa información mejore la enseñanza, el tutor necesita interpretarla y decidir qué hacer después. También debe poder revisar los materiales y las sugerencias que recibe. En Tutor CoPilot, la ayuda llegaba precisamente a la persona que mantenía la conversación con el alumno y podía actuar en ese momento.
Por eso, Stanford recomienda dar prioridad a las aplicaciones que refuerzan el trabajo de los tutores. La tecnología puede facilitar que una persona enseñe mejor y que un programa atienda a más estudiantes. Pero conservar a un adulto como supervisor ocasional supone una experiencia distinta de contar con un tutor que enseña, conoce el progreso del alumno y se hace responsable de acompañarlo.
Las expectativas sobre la personalización del aprendizaje tendrán que medirse frente a esa diferencia. Hasta ahora, los resultados más alentadores que recoge la revisión proceden de ayudar a los tutores durante la enseñanza. Ese hallazgo ofrece una orientación concreta para ampliar el acceso: invertir en herramientas que permitan a más alumnos recibir una atención humana de calidad y comprobar qué aprenden con ella.
Equipo Observatorio ProFuturo 
