Cómo hacer un diagnóstico de AI readiness en una institución educativa antes de lanzar otro curso o herramienta

1. Mapea quién ya usa IA y para qué. No empieces preguntando qué herramienta quiere comprar la institución. Pregunta a docentes, directivos, estudiantes o equipos administrativos qué usos ya existen, con qué frecuencia y en qué tareas. Distingue experimentación personal de procesos institucionales. El objetivo es descubrir adopción invisible. Una organización puede creer que está en fase inicial mientras muchas personas ya utilizan herramientas externas. Ese mapa muestra dónde existe valor, dónde hay riesgo y qué grupos necesitan una conversación diferente.

2. Evalúa capacidad, no solo familiaridad. Saber abrir un chatbot no equivale a saber diseñar una actividad, revisar una respuesta o identificar un límite. Construye preguntas sobre evaluación crítica, protección de datos, diseño de instrucciones y verificación. Segmenta resultados por rol. Un líder necesita criterio para política y presupuesto; un docente, para aprendizaje; un administrador, para procesos. La capacitación posterior debe responder a estas diferencias en lugar de ofrecer el mismo contenido a todos.

3. Revisa reglas y comprensión. Pide la política vigente, pero también pregunta si la gente la entiende. Una norma extensa que nadie puede aplicar tiene poca utilidad. Verifica qué datos no pueden introducirse, cómo se declara uso de IA, qué actividades requieren autoría propia y quién responde ante un incidente. Después consulta a familias o stakeholders cuando corresponda. La confianza depende tanto de claridad como de control técnico.

4. Mide cómo se evalúan resultados. Pregunta qué evidencia demuestra que la IA mejora aprendizaje, productividad o servicio. Si la única métrica es número de usuarios, el programa todavía no sabe si crea valor. En educación pueden medirse calidad de actividades, tiempo docente, aprendizaje o pensamiento crítico. Define también riesgos: dependencia, plagio, privacidad o inequidad. Un diagnóstico completo necesita beneficios y costos observables.

5. Calcula brechas por dimensión. Usa una escala simple para uso, capacidad, reglas, evaluación y confianza. La cifra total es menos importante que la forma del perfil. Uso alto con capacidad baja implica formación urgente; reglas claras con adopción baja puede indicar integración deficiente; alta capacidad con poca confianza puede pedir comunicación. El análisis debe terminar en prioridades, no en una etiqueta de “maduro” o “inmaduro”.

6. Entrega un roadmap de 90 días. Selecciona pocos movimientos: formar líderes, actualizar política, lanzar un piloto, crear guías para familias o establecer evaluación. Asigna dueño y fecha. Repite el diagnóstico al final del periodo. Esta estructura convierte readiness en un producto continuo. Para IBERO, el assessment puede abrir la puerta a formación y acompañamiento; para Goatify, identifica procesos que ya tienen condiciones suficientes para automatizar sin imponer tecnología antes de tiempo. La disciplina útil consiste en convertir esa idea en una condición observable, con responsables claros y una evidencia que permita comprobar el resultado sin depender de una explicación posterior. En producción, esa diferencia importa porque una decisión que parece correcta en una demostración puede comportarse de otra manera cuando intervienen múltiples usuarios, sistemas, permisos y excepciones. La mejor implementación no busca añadir complejidad por sí misma, sino reducir incertidumbre y hacer que el siguiente paso sea comprensible para quienes operan, supervisan o reciben el servicio. Medir el proceso de extremo a extremo ayuda a distinguir una mejora real de una simple sensación de automatización y permite corregir el punto exacto donde la experiencia pierde calidad. Este enfoque también facilita escalar: cuando el contrato de la tarea está claro, nuevas herramientas pueden incorporarse sin cambiar la definición de éxito ni diluir la responsabilidad.