El uso de inteligencia artificial en la tutoría y
acompañamiento docente: revisión sistemática en el
contexto escolar
The use of artificial intelligence in tutoring and teaching accompaniment:
a systematic review in the school context
Recibido: 08/06/2025 - Aceptado: 06/09/2025
Flor De Maria Michuy Rodas
https://orcid.org/0009-0003-9178-4719
dmichuyro@ucvvirtual.edu.pe
Universidad César Vallejo. Lima, Perú
Katherine Aquije Ramirez
https://orcid.org/0000-0002-6482-2850
kaquije@ucvvirtual.edu.pe
Universidad César Vallejo. Lima, Perú
Rosse Caroline Chávez Paredes
https://orcid.org/0000-0003-4836-2150
rchavezpa19@ucvvirtual.edu.pe
Universidad César Vallejo. Lima, Perú
Resumen
La presente revisión sistemática examina el uso de la inteligencia artificial (IA) en la tutoría y el acompañamiento
docente en el contexto escolar, con el propósito de identificar tendencias, enfoques y desafíos emergentes. Se
aplicó el protocolo PRISMA, revisando artículos publicados entre enero de 2023 y junio de 2025 en las bases de
datos Scopus, Web of Science y SciELO. Tras aplicar los criterios de inclusión y exclusión, se analizaron 29
estudios. Los resultados evidencian cinco ejes temáticos predominantes: sistemas de tutoría inteligente;
percepciones y formación docente frente a la IA; aplicaciones para la personalización del acompañamiento;
implicaciones éticas y pedagógicas; y políticas y estrategias institucionales. Los hallazgos destacan el potencial
de la IA para personalizar procesos de enseñanza-aprendizaje, optimizar la gestión docente y generar alertas
tempranas sobre dificultades académicas. No obstante, persisten retos vinculados con la formación crítica del
profesorado, la brecha tecnológica, la transparencia algorítmica y la equidad en el acceso. Asimismo, la
integración efectiva de la IA requiere un enfoque sistémico que articule innovación tecnológica y pedagogía crítica,
evitando la deshumanización de la tutoría. Se concluye que la IA puede fortalecer el acompañamiento docente si
se implementa con criterios éticos, pertinencia cultural y políticas públicas inclusivas que garanticen su
sostenibilidad.
Palabras clave: tutoría, tecnología educativa, inteligencia artificial.
Abstract
This systematic review examines the use of artificial intelligence (AI) in tutoring and teaching support in the school
context, with the aim of identifying emerging trends, approaches, and challenges. The PRISMA protocol was
applied, reviewing articles published between January 2023 and June 2025 in the Scopus, Web of Science, and
SciELO databases. After applying the inclusion and exclusion criteria, 29 studies were analyzed. The results reveal
five predominant themes: intelligent tutoring systems; teacher perceptions and training in AI; applications for
personalizing support; ethical and pedagogical implications; and institutional policies and strategies. The findings
highlight the potential of AI to personalize teaching-learning processes, optimize teacher management, and
generate early warnings about academic difficulties. However, challenges remain related to critical teacher
training, the technological divide, algorithmic transparency, and equity in access. Likewise, the effective integration
of AI requires a systemic approach that articulates technological innovation and critical pedagogy, avoiding the
dehumanization of tutoring. It is concluded that AI can strengthen teacher support if it is implemented with ethical
criteria, cultural relevance, and inclusive public policies that guarantee its sustainability.
2
Keywords: tutoring, educational technology, artificial intelligence.
Introducción
En las últimas décadas, el campo educativo ha experimentado transformaciones significativas a partir de
la incorporación progresiva de tecnologías emergentes, entre las cuales la inteligencia artificial (IA) ocupa un lugar
destacado. Estas tecnologías no solo están redefiniendo la forma en que se accede al conocimiento, sino también
la manera en que los actores educativos se relacionan, toman decisiones y acompañan los procesos formativos
(Zhang, 2024). En este nuevo escenario, el papel del docente se ve reconfigurado: además de ser transmisor de
contenidos, asume funciones clave como orientador, mediador y tutor del aprendizaje. La tutoría y el
acompañamiento educativo, por tanto, adquieren una importancia creciente en el contexto escolar
contemporáneo.
En este marco, el uso de la inteligencia artificial en la tutoría y el acompañamiento docente se presenta
como una tendencia emergente que está captando el interés tanto de investigadores como de instituciones
educativas. La IA, entendida como el conjunto de sistemas informáticos capaces de realizar tareas que
normalmente requieren inteligencia humana —como la toma de decisiones, el reconocimiento de patrones, el
procesamiento del lenguaje natural o el aprendizaje automático—, ha comenzado a aplicarse en distintos niveles
del sistema educativo (Francisco & Silva, 2022). Su potencial se manifiesta en múltiples dimensiones: desde la
creación de plataformas adaptativas de aprendizaje hasta la generación automatizada de retroalimentación, el
análisis predictivo del rendimiento estudiantil o la gestión de alertas tempranas para prevenir el abandono escolar.
Sin embargo, la implementación de IA en procesos de tutoría no es un fenómeno lineal ni exento de
controversias. A medida que se desarrollan y adoptan sistemas de tutoría inteligentes, surgen también
cuestionamientos pedagógicos, éticos y sociales (Baek et al., 2025). Entre ellos destacan el riesgo de
deshumanización del vínculo pedagógico, la posibilidad de sesgos algorítmicos que reproduzcan desigualdades
existentes, la necesidad de alfabetización digital por parte del profesorado y la urgencia de establecer marcos
normativos y formativos que orienten su uso con criterios pedagógicos (Kılıçkaya & Kic-Drgas, 2025). La tutoría,
como espacio privilegiado de cercanía, escucha y acompañamiento individualizado, enfrenta entonces un doble
desafío: adaptarse a las oportunidades que brinda la IA sin perder su dimensión humana, ética y crítica.
Ante este panorama, resulta pertinente y necesario realizar una revisión sistemática de la literatura
científica que aborde el uso de inteligencia artificial en la tutoría y el acompañamiento docente, particularmente
en el contexto escolar (Albtosh & Suryawati, 2025). Esta revisión tiene como propósito identificar y analizar las
tendencias actuales de investigación, los enfoques predominantes, las aplicaciones tecnológicas más relevantes,
así como las percepciones y desafíos que enfrentan los docentes en torno a esta temática. El presente estudio
no solo busca organizar el conocimiento disponible, sino también contribuir a una reflexión crítica sobre los
sentidos, alcances y limitaciones del uso de IA en una de las funciones más sensibles y formativas del quehacer
docente: el acompañamiento integral de los estudiantes.
Desafíos del acompañamiento docente e inteligencia artificial en América Latina
En América Latina, el acompañamiento docente constituye una estrategia fundamental para garantizar la
permanencia, el bienestar y el desarrollo integral de los estudiantes en contextos escolares diversos (Castro et
al., 2024). Esta función, ejercida por los docentes y equipos educativos, incluye tareas de orientación, seguimiento
personalizado, apoyo emocional y monitoreo del proceso formativo (Togawa et al., 2025). No obstante, el ejercicio
de esta labor enfrenta limitaciones estructurales que dificultan su implementación efectiva, tales como la
sobrecarga laboral del profesorado, la escasa formación específica en tutoría, la insuficiente dotación de recursos
institucionales y la fragmentación de políticas educativas en torno al acompañamiento integral.
En este escenario desafiante, la inteligencia artificial aparece como una tecnología con potencial para
apoyar y fortalecer la función tutorial, particularmente en lo que respecta a la personalización del aprendizaje, la
identificación de necesidades específicas y la generación automatizada de reportes y recomendaciones (Isea
Arguelles et al., 2024). La posibilidad de procesar grandes volúmenes de datos en tiempo real, predecir
comportamientos o resultados académicos y ofrecer retroalimentación ajustada a cada estudiante posiciona a la
IA como una aliada estratégica para responder a las demandas del acompañamiento educativo (Francisco & Silva,
2022). Sin embargo, su incorporación en sistemas escolares latinoamericanos presenta barreras técnicas,
pedagógicas y éticas que deben ser atendidas con sentido crítico y contextualizado.
En términos técnicos, persisten brechas significativas de infraestructura y conectividad en muchas
instituciones educativas, lo cual limita el acceso equitativo a herramientas basadas en IA (Kılıçkaya & Kic-Drgas,
2025). A nivel pedagógico, la ausencia de formación docente específica en el uso crítico y ético de estas
tecnologías genera tensiones respecto a su implementación efectiva en el aula y en los espacios de tutoría.
3
Además, la escasa participación de los propios docentes en el diseño y validación de estos sistemas puede dar
lugar a soluciones descontextualizadas que no responden a las necesidades reales de las comunidades
educativas.
Por consiguiente, la irrupción de la inteligencia artificial en los entornos escolares ha generado una serie
de transformaciones significativas en las formas de tutoría y acompañamiento que ofrecen los docentes, lo cual
constituye un factor relevante a considerar en el rediseño de las prácticas pedagógicas (Pérez et al., 2025). A
medida que los sistemas educativos en América Latina transitan hacia modelos híbridos, mediados por
tecnologías y con un uso creciente de herramientas automatizadas, se hace evidente una nueva metamorfosis
en los roles docentes, en la interacción con los estudiantes y en las estructuras de apoyo institucional (Francisco
& Silva, 2022). Estos cambios pueden repercutir no solo en el desempeño académico, sino también en aspectos
relacionales, éticos y socioemocionales del acompañamiento educativo.
A partir de lo anterior, se plantea el siguiente problema: ¿Cómo se está utilizando la inteligencia artificial
en los procesos de tutoría y acompañamiento docente en el contexto escolar, y cuáles son sus principales
enfoques, desafíos y proyecciones?. Así, el propósito de esta revisión sistemática es analizar y organizar la
producción científica reciente que aborda el uso de inteligencia artificial en la tutoría y el acompañamiento docente
en el ámbito escolar, con el fin de identificar las tendencias predominantes, los aportes más relevantes y los retos
emergentes para su implementación crítica y contextualizada.
Metodología
Conforme a lo expuesto, se estableció como enfoque metodológico una revisión sistemática de carácter
exploratorio. La presente revisión se centra en estudios que abordan el uso de la inteligencia artificial (IA) en
procesos de tutoría y acompañamiento docente en el contexto escolar, considerando únicamente fuentes
pertinentes y con vínculo directo con la temática investigada. De este modo, la investigación contribuye a la
reflexión académica, la actualización teórica y la difusión de información relevante sobre un fenómeno emergente
en la práctica educativa contemporánea (Villasis et al., 2020). Además, según Pardal y Pardal (2020), las
revisiones sistemáticas fortalecen el campo educativo, especialmente cuando se articulan con el avance
tecnológico.
En este marco, se seleccionaron artículos científicos que respondieran al objeto de estudio, considerando
publicaciones en español e inglés, sin delimitar por ubicación geográfica, lo cual permitió abarcar una mirada más
amplia y comparativa de las aplicaciones de IA en distintos contextos escolares. Las fuentes se extrajeron de tres
bases de datos de alta visibilidad y rigor académico: Scopus, Web of Science y SciELO, priorizando
investigaciones indexadas, revisadas por pares y disponibles en texto completo. El procedimiento de búsqueda,
análisis y categorización se desarrolló siguiendo una ruta metodológica sistemática, lo que permitió identificar
patrones comunes, aportes significativos y vacíos en la literatura científica reciente.
Criterios de inclusión y exclusión
Criterios de inclusión:
Artículos científicos publicados entre enero de 2023 y junio de 2025.
Estudios que aborden explícitamente el uso de inteligencia artificial en procesos de tutoría,
acompañamiento, orientación académica o roles tutoriales en el contexto escolar.
Publicaciones en idioma español e inglés.
Artículos disponibles en texto completo, con revisión por pares y registrados en las bases de datos
Scopus, Web of Science y SciELO.
Criterios de exclusión:
Investigaciones fuera del período de tiempo establecido.
Documentos duplicados en diferentes bases de datos.
Estudios centrados exclusivamente en educación superior, universitaria o no escolarizada.
Artículos con temáticas que abordaran inteligencia artificial en otros ámbitos educativos (gestión
institucional, enseñanza disciplinar sin relación tutorial, etc.).
Fuentes con escasa fundamentación teórica o falta de coherencia metodológica.
4
Procedimiento para la selección de estudios
La exploración sistemática arrojó un total de 256 artículos como sumatoria global de las tres bases de
datos consultadas: Scopus, Web of Science y SciELO. Tras la aplicación de los criterios de exclusión, y
siguiendo el protocolo del diagrama de flujo PRISMA, se obtuvo un total final de 29 artículos seleccionados,
conforme se detalla en la Figura 1.
Figura 1: La búsqueda sistemática y exclusión de artículos flujo de prisma
En un primer momento se eliminaron los artículos duplicados en más de una base de datos,
descartándose 22 documentos, con lo que quedaron 234 artículos únicos para la primera revisión.
Posteriormente, se evaluaron títulos, resúmenes y palabras clave, descartándose 128 artículos por no estar
alineados con los criterios de inclusión. En esta etapa se excluyeron estudios que no abordaban directamente el
uso de IA en tutoría o acompañamiento docente, así como aquellos centrados exclusivamente en educación
superior, gestión educativa o enseñanza disciplinar sin relación tutorial.
Luego de este primer filtro temático, se procedió a la lectura completa de 106 artículos, de los cuales se
descartaron 77 estudios adicionales por falta de rigor metodológico, por tratarse de revisiones no sistemáticas u
otras limitaciones. De este modo, la revisión sistemática se consolidó con 29 artículos finales, los cuales cumplen
con los criterios metodológicos, lingüísticos, temáticos y temporales definidos en el presente estudio.
5
Resultados
Descripción y análisis de los artículos incluidos en la revisión sistemática
La revisión sistemática inició con un total de 256 artículos identificados en las bases de datos consultadas. Tras
aplicar la metodología PRISMA, se seleccionaron 29 estudios que fueron objeto de análisis exhaustivo y detallado.
Con el fin de organizar la información, se sistematizaron las principales características de las investigaciones en
diferentes tablas.
Tabla 1
Características principales de estudios de revisión Web of Science (WOS)
Autor(es) y año
Base de Datos
Lengua
Nombre de la publicación
Adelana et al. (2024)
Web of
Science
Inglés
Exploring pre-service biology teachers’ intention to
teach genetics using an AI intelligent tutoring-based
system
Basri (2024)
Web of
Science
Inglés
Effectiveness of AI-powered tutoring systems in
enhancing learning outcomes
Ilic et al. (2024)
Web of
Science
Inglés
Predicting student performance in a programming
tutoring system using AI and filtering techniques
Jancarík et al. (2023)
Web of
Science
Inglés
Using AI chatbot for math tutoring
Kang et al. (2024)
Web of
Science
Inglés
AI-based language tutoring systems with end-to-end
automatic speech recognition and proficiency
evaluation
Ni y Cheung (2023)
Web of
Science
Inglés
Understanding secondary students’ continuance
intention to adopt AI-powered intelligent tutoring
system for English learning
Wang et al. (2024)
Web of
Science
Inglés
When tutors simultaneously instruct students from the
primary, middle, and high school levels in online one-
on-one tutoring: Investigating the interaction
dynamics using AI, ENA, and LSA methods
Wang (2025)
Web of
Science
Inglés
AI-driven autonomous interactive English learning
language tutoring system
La Tabla 1 presenta los estudios que implementan modelos de lenguaje natural, tutores inteligentes y
asistentes pedagógicos automatizados aplicados al aprendizaje personalizado. Aunque varios de ellos fueron
desarrollados en entornos universitarios, sus métodos y objetivos son transferibles al ámbito escolar,
especialmente en lo que respecta a tutoría y retroalimentación diferenciada. Se observa un interés por potenciar
el pensamiento crítico, la participación y la mejora de la enseñanza mediante mediación tecnológica. Estos
estudios evidencian un avance en la tutoría digital con herramientas adaptativas y análisis automatizado del
rendimiento estudiantil.
Tabla 2
Características principales de estudios de revisión Scopus
Autor(es) y año
Base de Datos
Lengua
Nombre de la publicación
Abdelghani et al.
(2024)
Scopus
Inglés
GPT-3-driven pedagogical agents to train children’s curious question-asking
skills
Belghith et al.
(2025)
Scopus
Inglés
Exploring AI intervention points in high-school engineering education: A
research through co-design approach
6
Autor(es) y año
Base de Datos
Lengua
Nombre de la publicación
Canonigo (2024)
Scopus
Inglés
Levering AI to enhance students' conceptual understanding and confidence
in mathematics
González Campos
et al. (2024)
Scopus
Inglés
Higher education and artificial intelligence: Challenges for the 21st century
Li et al. (2025)
Scopus
Inglés
GAI versus teacher scoring: Which is better for assessing student
performance?
Rahman y
Watanobe (2023)
Scopus
Inglés
ChatGPT for education and research: Opportunities, threats, and strategies
Shi et al. (2024)
Scopus
Inglés
Investigating teachers’ use of an AI-enabled system and their perceptions of
AI integration in science classrooms: A case study
Steinert et al.
(2024)
Scopus
Inglés
Harnessing large language models to develop research-based learning
assistants for formative feedback
Sysoyev et al.
(2024)
Scopus
Inglés
Teacher vs artificial intelligence: A comparison of the quality of feedback in
assessing students' creative writing
Xiao et al. (2025)
Scopus
Inglés
A study of artificial intelligence in writing assessment for secondary school
students: A comparative analysis based on the GPT-4 and human raters
En la Tabla 2 se agrupan los estudios procedentes de la base de datos Scopus, donde se identificaron 10
investigaciones. La mayoría de los trabajos se concentraron en América Latina, Europa y Asia. Los artículos
abarcaron principalmente los niveles de educación básica y secundaria, con un énfasis en el uso de IA como
apoyo a la enseñanza de matemáticas, ciencias y lengua. La inteligencia artificial fue aplicada, en su mayoría,
como tutor inteligente, asistente para la planificación didáctica, o sistema de evaluación y seguimiento del
aprendizaje. Algunos estudios combinaron la IA con metodologías activas, como el aprendizaje basado en
problemas y el uso de agentes pedagógicos virtuales.
Tabla 3
Características principales de estudios de revisión SciELO
Base de Datos
Lengua
Nombre de la publicación
SciELO
Español
Percepciones del personal docente acerca del uso ético de la
inteligencia artificial en su labor educativa
SciELO
Español
Inteligencia artificial en el mejoramiento de la enseñanza y
aprendizaje, Ministerio de Educación y Ciencias
SciELO
Español
Hacia un currículo integrado: Conectando la alfabetización en
inteligencia artificial con la educación tecnológica en la educación
básica en Chile
SciELO
Español
Inteligencia artificial (ChatGPT) en la educación universitaria:
Realidad y consideraciones éticas
SciELO
Español
Análisis de la inteligencia artificial en la transformación de la
enseñanza y aprendizaje educativa
SciELO
Español
Inteligencia artificial en el Plan 2023 de formación en educación de
Uruguay
SciELO
Español
El uso del prompt de ChatGPT como asistente en la educación
SciELO
Español
Inteligencia artificial en la educación. Transformando los entornos
digitales para un aprendizaje personalizado
SciELO
Español
ChatGPT como herramienta pedagógica y didáctica para docentes en
formación
7
Base de Datos
Lengua
Nombre de la publicación
SciELO
Español
Propuesta de categorización de investigaciones sobre y aplicaciones
de inteligencia artificial en educación
SciELO
Español
Impacto de la inteligencia artificial en la transformación digital de la
educación
La Tabla 3 reúne 11 investigaciones provenientes de SciELO, con aportes desde países como Cuba,
Paraguay, Uruguay, Chile y Ecuador. Estos trabajos, con un enfoque contextual y pedagógico, analizan la
integración de la inteligencia artificial y sus implicancias éticas y formativas. Entre los temas destacados se
encuentran la formación docente en el uso de tecnologías inteligentes, el análisis ético de la IA, su incorporación
curricular y el desarrollo de políticas educativas. Asimismo, se documenta el uso de plataformas como ChatGPT,
sistemas conversacionales y recursos adaptativos para tutoría, enseñanza de lenguas y fomento del aprendizaje
autónomo. En conjunto, estas indagaciones evidencian la necesidad de un acompañamiento docente sustentado
en criterios éticos y pedagógicos, que permita aplicar la IA de forma regulada y con impacto positivo en la dinámica
escolar.
Tabla 4
Clasificación en relación con los ejes temáticos
Referencia abreviada
Base de Datos
Eje temático
Basri (2024)
Web of Science
1 – Sistemas de tutoría inteligente basados en IA
Jancarík et al. (2023)
Web of Science
Kang et al. (2024)
Web of Science
Wang (2025)
Web of Science
Sandoval Hernández et al. (2024)
SciELO
Abdelghani et al. (2024)
Scopus
Adelana et al. (2024)
Web of Science
2 – Percepciones, actitudes y formación docente ante la IA
Sánchez Trujillo et al. (2024)
SciELO
Shi et al. (2024)
Scopus
Ilic et al. (2024)
Web of Science
3 – Aplicaciones de IA para personalización del acompañamiento
académico
Ni & Cheung (2023)
Web of Science
Wang et al. (2024)
Web of Science
Isea Arguelles et al. (2024)
SciELO
Sánchez Delgado et al. (2025)
SciELO
Canonigo (2024)
Scopus
Li et al. (2025)
Scopus
Steinert et al. (2024)
Scopus
Sysoyev et al. (2024)
Scopus
Xiao et al. (2025)
Scopus
Alfaro Salas & Díaz Porras (2024)
SciELO
4 – Implicancias éticas y pedagógicas del uso de IA
Héctor & Millet (2025)
SciELO
González Campos et al. (2024)
Scopus
Rahman & Watanobe (2023)
Scopus
Caballero Alarcón & Brítez Carli
(2024)
SciELO
5 – Políticas, currículo y estrategias institucionales
Castro et al. (2024)
SciELO
8
Referencia abreviada
Base de Datos
Eje temático
Pérez Rodríguez et al. (2025)
SciELO
Sarochar Risso (2025)
SciELO
Zambrano Campozano (2025)
SciELO
Belghith et al. (2025)
Scopus
La Tabla 4 presenta la organización de los 29 artículos seleccionados en función de cinco ejes temáticos
identificados durante el proceso de análisis. Esta categorización responde tanto a los objetivos explícitos de cada
investigación como a los enfoques teóricos y prácticos que las atraviesan:
1. Sistemas de tutoría inteligente basados en IA: estudios orientados al desarrollo o aplicación de
plataformas automatizadas que ofrecen acompañamiento, retroalimentación o guía al estudiante durante
su proceso de aprendizaje.
2. Percepciones, actitudes y formación docente ante la IA: investigaciones que examinan cómo los docentes
interpretan, aceptan y se preparan para integrar la inteligencia artificial en su práctica educativa.
3. Aplicaciones de IA para la personalización del acompañamiento académico: trabajos que analizan cómo
la IA ajusta los procesos educativos a las características individuales de los estudiantes, favoreciendo un
acompañamiento más cercano y efectivo.
4. Implicancias éticas y pedagógicas del uso de IA: estudios que discuten los retos éticos y formativos
vinculados con la incorporación de tecnologías inteligentes en entornos educativos.
5. Políticas, currículo y estrategias institucionales: investigaciones que abordan marcos normativos, planes
formativos y estrategias para la integración de la IA en sistemas educativos nacionales o institucionales.
Discusión
El análisis de las investigaciones permite identificar un panorama complejo y multidimensional sobre el
uso de la inteligencia artificial (IA) en la tutoría y el acompañamiento docente en el contexto escolar. Los hallazgos
revelan un interés creciente por parte de la comunidad académica en explorar cómo estas tecnologías pueden
optimizar la personalización del aprendizaje, ampliar el alcance de la tutoría y fortalecer el desarrollo profesional
docente. Sin embargo, también se evidencian tensiones, limitaciones y vacíos que requieren un abordaje crítico,
a fin de garantizar que la integración de la IA no solo sea viable técnicamente, sino también pedagógica y
éticamente sostenible.
Un hallazgo recurrente en la literatura revisada es la capacidad de los sistemas de tutoría inteligente
basados en IA para ofrecer intervenciones adaptadas al ritmo, nivel y estilo de aprendizaje del estudiante.
Investigaciones como las de Basri (2024), Ilic et al. (2024) y Kang et al. (2024) demuestran que estas plataformas
pueden analizar patrones de desempeño en tiempo real y ajustar el contenido o la retroalimentación de manera
inmediata. En estudios piloto, esta adaptabilidad ha favorecido la motivación estudiantil y la comprensión de
conceptos complejos, lo que respalda el potencial de la IA para incrementar la eficacia del acompañamiento
académico. No obstante, la mayoría de estas experiencias se han desarrollado en entornos controlados, con
poblaciones reducidas y periodos de implementación limitados, lo que dificulta extrapolar sus resultados a
contextos escolares diversos, especialmente aquellos con restricciones de infraestructura tecnológica (Wang,
2025; Adelana et al., 2024).
Más allá del aspecto técnico, las percepciones y actitudes del profesorado hacia la IA se constituyen en
un factor crítico para su adopción y uso sostenido. Alfaro y Díaz (2024) señalan que muchos docentes reconocen
el potencial de la IA para optimizar la gestión del aula y diversificar las estrategias didácticas, aunque mantienen
reservas sobre su impacto en la relación pedagógica. Estas preocupaciones, compartidas por Sánchez et al.
(2024) y Shi et al. (2024), giran en torno al temor a que el juicio docente sea sustituido por decisiones algorítmicas,
a la posible deshumanización de la enseñanza y a la dependencia excesiva de herramientas externas. Esta
tensión evidencia la necesidad de programas de formación docente que integren no solo el dominio técnico de
las herramientas, sino también una comprensión crítica de sus implicaciones pedagógicas, éticas y sociales
(Pérez et al., 2025; González et al., 2024).
En cuanto a la personalización del acompañamiento académico, la evidencia confirma que la IA permite
identificar patrones de aprendizaje y generar alertas tempranas ante dificultades de comprensión o rendimiento
(Ni & Cheung, 2023; Canonigo, 2024; Li et al., 2025). Algunos estudios reportan mejoras significativas en la
9
retención y el rendimiento, especialmente cuando la IA se utiliza como complemento del seguimiento humano,
combinando análisis automatizados con intervenciones docentes personalizadas (Xiao et al., 2025; Wang et al.,
2024). Sin embargo, investigaciones como la de Sysoyev et al. (2024) advierten que la calidad de la
retroalimentación generada por sistemas automáticos puede diferir sustancialmente de la de un docente
experimentado, sobre todo en tareas que requieren interpretación contextual o comprensión de matices culturales.
Esto plantea la necesidad de marcos de evaluación que no se limiten a métricas de eficiencia, sino que
contemplen criterios de calidad pedagógica, pertinencia cultural y equidad en el acceso.
Las implicaciones éticas emergen como un componente transversal que condiciona tanto la aceptación
como la efectividad de la IA en educación. Rahman y Watanobe (2023) y Héctor y Millet (2025) advierten sobre
los riesgos asociados a la recopilación y tratamiento masivo de datos estudiantiles, así como sobre la posible
reproducción de sesgos algorítmicos que pueden afectar de manera desigual a determinados grupos. Estas
preocupaciones se intensifican cuando los algoritmos son opacos para docentes y discentes, lo que dificulta la
comprensión y evaluación de las decisiones que generan. En este sentido, varios autores proponen modelos de
supervisión docente activa (teacher-in-the-loop) y mecanismos de transparencia que permitan auditar y explicar
el funcionamiento de los sistemas de IA antes de su adopción masiva (Belghith et al., 2025; Sarochar, 2025).
Otro aspecto relevante es el papel de las políticas públicas, el currículo y las estrategias institucionales
en la integración efectiva de la IA. Estudios como los de Castro et al. (2024) y Sarochar (2025) evidencian que la
ausencia de lineamientos claros a nivel ministerial o institucional puede derivar en iniciativas fragmentadas,
dependientes del interés particular de docentes o directivos, lo que limita una adopción sostenible y equitativa.
Asimismo, la integración curricular de la alfabetización en IA —no solo como contenido técnico, sino como
competencia transversal— se perfila como un paso indispensable para preparar a estudiantes y docentes en un
uso informado y crítico de estas herramientas (Caballero & Brítez, 2024; Zambrano, 2025).
Pese al potencial documentado, la revisión confirma que persisten brechas significativas en el acceso y
uso de estas tecnologías. Instituciones con menor infraestructura tecnológica o ubicadas en contextos
socioeconómicos desfavorecidos enfrentan mayores barreras para la implementación de sistemas de tutoría
inteligente, lo que amenaza con ampliar las desigualdades educativas (Sandoval et al., 2024; Isea et al., 2024).
Este escenario plantea un doble desafío: por un lado, diseñar soluciones técnicas de bajo costo y alta
escalabilidad, y por otro, implementar políticas públicas que prioricen la equidad en la distribución de recursos y
en la formación docente.
Conclusiones
El análisis realizado confirma que la inteligencia artificial (IA) constituye una herramienta con alto potencial
para enriquecer la tutoría y el acompañamiento docente, particularmente en la personalización de los aprendizajes
y en la optimización de los procesos de retroalimentación. No obstante, su impacto positivo depende de
condiciones clave como la formación crítica y ética del profesorado, la adecuación de las políticas institucionales
y la garantía de una infraestructura tecnológica accesible y equitativa.
Se reconoce que la aplicación de la IA en el contexto escolar no debe concebirse como sustituto del rol
docente, sino como un recurso complementario que potencie sus capacidades y preserve el carácter humano,
relacional y cultural de la tutoría. Las experiencias revisadas evidencian avances significativos, aunque aún
persisten vacíos en la investigación sobre su impacto a largo plazo, la evaluación de la calidad pedagógica de los
sistemas y la gestión de riesgos vinculados con la ética y la privacidad de los datos.
En consecuencia, se recomienda que futuros estudios profundicen en el diseño de modelos híbridos que
integren la supervisión docente activa y el uso de algoritmos transparentes, así como en la formulación de políticas
públicas que promuevan un acceso equitativo a estas tecnologías. Solo mediante un enfoque sistémico,
contextualizado y sustentado en principios de inclusión y sostenibilidad será posible garantizar que la IA
contribuya de manera efectiva al fortalecimiento de la tutoría y del acompañamiento educativo en el ámbito
escolar.
Referencias
Abdelghani, R., Wang, Y.-H., Yuan, X., Wang, T., & Lucas, P. (2024). GPT-3-driven pedagogical agents to train
children’s curious question-asking skills. International Journal of Artificial Intelligence in Education.
https://doi.org/10.1007/s40593-023-00340-7
Adelana, O. P., Ayanwale, M. A., & Sanusi, I. T. (2024). Exploring pre-service biology teachers’ intention to teach
genetics using an AI intelligent tutoring-based system. Cogent Education, 11(1), Article 2310976.
https://doi.org/10.1080/2331186X.2024.2310976
10
Albtosh, L., & Suryawati, R. F. (2025). Automated feedback systems for enhancing teacher self-assessment. En
Harnessing AI for teacher support and professional development (pp. 177–208). IGI Global.
https://doi.org/10.4018/979-8-3373-5951-9.ch006
Alfaro Salas, H., & Díaz Porras, J. A. (2024). Percepciones del personal docente acerca del uso ético de la
inteligencia artificial en su labor educativa. Innovaciones Educativas, 26(41), 63–77.
https://doi.org/10.22458/ie.v26i41.4952
Baek, E., Guo, Q., & Wilson, R. (2025). Transforming student support with AI-powered tutoring. En Foundations
and frameworks for AI in education (pp. 335–370). IGI Global. https://doi.org/10.4018/979-8-3373-2397-
8.ch012
Basri, W. S. (2024). Effectiveness of AI-powered tutoring systems in enhancing learning outcomes. Eurasian
Journal of Educational Research, (110), 33–52. https://doi.org/10.14689/ejer.2024.110.003
Belghith, Y., Riedl, M., Moore, R., Alemdar, M., & Roberts, J. (2025). Exploring AI intervention points in high-school
engineering education: A research through co-design approach. Information and Learning Science.
https://doi.org/10.1108/ILS-04-2024-0042
Caballero Alarcón, F. A., & Brítez Carli, R. (2024). Inteligencia artificial en el mejoramiento de la enseñanza y
aprendizaje. Academo (Asunción), 11(2), 99–108. https://doi.org/10.30545/academo.2024.may-ago.1
Canonigo, A. M. (2024). Leveraging AI to enhance students’ conceptual understanding and confidence in
mathematics. Journal of Computer Assisted Learning. https://doi.org/10.1111/jcal.13065
Castro, A. N., Aguilera, C. A., Medina, J. A., & Prat, M. (2024). Hacia un currículo integrado: Conectando la
alfabetización en inteligencia artificial con la educación tecnológica en la educación básica en Chile.
Información Tecnológica, 35(6), 39–48. https://doi.org/10.4067/s0718-07642024000600039
Francisco, R., & Silva, F. (2022). Intelligent tutoring system for computer science education and the use of artificial
intelligence: A literature review. En Proceedings of the 14th International Conference on Computer
Supported Education. https://doi.org/10.5220/0011084400003182
González Campos, J. A., López Núñez, J. C., & Araya Pérez, C. E. (2024). Higher education and artificial
intelligence: Challenges for the 21st century. Aloma, 42(1), 79–90.
https://doi.org/10.51698/ALOMA.2024.42.1.79-90
Habib, M. U., Sattar, A., Iqbal, M. J., & Saleem, S. (2025). AI-driven tutoring vs. human teachers: Examining the
impact on student–teacher relationship. Review of Applied Management and Social Sciences, 8(1), 363–
374. https://doi.org/10.47067/ramss.v8i1.466
Héctor, E., & Millet, B. (2025). Inteligencia artificial (ChatGPT) en la educación universitaria: Realidad y
consideraciones éticas. Revista Chakiñan, (25), 299–316. https://doi.org/10.37135/chk.002.25.13
Ilic, M., Kekovic, G., Mikic, V., Mangaroska, K., Kopanja, L., & Vesin, B. (2024). Predicting student performance
in a programming tutoring system using AI and filtering techniques. IEEE Transactions on Learning
Technologies, 17, 1931–1945. https://doi.org/10.1109/TLT.2024.3431473
Isea Arguelles, J. J., Duque Rodríguez, J. A., Piña Ferrer, L. S., & Atencio González, R. E. (2024). Análisis de la
inteligencia artificial en la transformación de la enseñanza y aprendizaje educativa. Conrado, 20(100),
179–185. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1990-86442024000500179
Jancarík, A., Michal, J., & Novotná, J. (2023). Using AI chatbot for math tutoring. Journal of Education Culture and
Society, 14(2), 285–296. https://doi.org/10.15503/jecs2023.2.285.296
Kang, B. O., Jeon, H. B., & Lee, Y. K. (2024). AI-based language tutoring systems with end-to-end automatic
speech recognition and proficiency evaluation. ETRI Journal, 46(1), 48–58.
https://doi.org/10.4218/etrij.2023-0322
Kılıçkaya, F., & Kic-Drgas, J. (2025). The future of tutoring: AI as an augmenting force. AI & Society.
https://doi.org/10.1007/s00146-025-02356-0
Li, X., Zappatore, M., Li, T., Zhang, W., & Tao, S. (2025). GAI versus teacher scoring: Which is better for assessing
student performance? IEEE Transactions on Learning Technologies.
https://doi.org/10.1109/TLT.2025.3572518
Ni, A. H., & Cheung, A. A. (2023). Understanding secondary students’ continuance intention to adopt AI-powered
intelligent tutoring system for English learning. Education and Information Technologies, 28(3), 3191–
3216. https://doi.org/10.1007/s10639-022-11305-z
Pardal-Refoyo, J. L., & Pardal-Peláez, B. (2020). Anotaciones para estructurar una revisión sistemática. Revista
ORL, 11(2), 155–160. https://scielo.isciii.es/pdf/orl/v11n2/2444-7986-orl-11-02-155.pdf
Pérez Rodríguez, B., Cabrera Borges, C., Navarro Piñeyro, V., Olivero Pera, J., & Umpiérrez Oroño, S. (2025).
Inteligencia artificial en el Plan 2023 de formación en educación de Uruguay. Cuadernos de Investigación
Educativa, 16(1), e210. https://doi.org/10.18861/cied.2025.16.1.3951
11
Rahman, M. M., & Watanobe, Y. (2023). ChatGPT for education and research: Opportunities, threats, and
strategies. Applied Sciences, 13(9), 5783. https://doi.org/10.3390/app13095783
Sánchez Delgado, M. A. S., Delgado Navarrete, N. B., Chenche Jácome, W. L., & Andrade Zamora, F. (2025).
Inteligencia artificial en la educación: Transformando los entornos digitales para un aprendizaje
personalizado. Universidad y Sociedad, 17(2), e4994. http://scielo.sld.cu/pdf/rus/v17n2/2218-3620-rus-
17-02-e4994.pdf
Sánchez Trujillo, M. de los Á., Rodríguez Flores, E. A., & Suárez Pizzarello, M. (2024). ChatGPT como
herramienta pedagógica y didáctica para docentes en formación. Maestro y Sociedad, 21(1), 285–299.
https://maestroysociedad.uo.edu.cu/index.php/MyS/article/view/6373
Sandoval Hernández, M. A., Morales Alarcón, G. J., Vázquez Leal, H., Huerta Chua, J., & Filobello Niño, U. A.
(2024). El uso del prompt de ChatGPT como asistente en la educación. RIDE. Revista Iberoamericana
para la Investigación y el Desarrollo Educativo, 14(28), e645. https://doi.org/10.23913/ride.v14i28.1872
Sarochar Risso, J. M. (2025). Propuesta de categorización de investigaciones sobre aplicaciones de inteligencia
artificial en educación. Cuadernos de Investigación Educativa, 16(1), e212.
https://doi.org/10.18861/cied.2025.16.1.3955
Shi, L., Ding, A.-C., & Choi, I. (2024). Investigating teachers’ use of an AI-enabled system and their perceptions
of AI integration in science classrooms: A case study. Education Sciences, 14(11), 1187.
https://doi.org/10.3390/educsci14111187
Steinert, S., Avila, K. E., Ruzika, S., Kuhn, J., & Küchemann, S. (2024). Harnessing large language models to
develop research-based learning assistants for formative feedback. Smart Learning Environments.
https://doi.org/10.1186/s40561-024-00354-1
Sysoyev, P. V., Filatov, E. M., Khmarenko, N. I., & Murunov, S. S. (2024). Teacher vs artificial intelligence: A
comparison of the quality of feedback provided by a teacher and generative artificial intelligence in
assessing students' creative writing. Perspektivy Nauki i Obrazovania, 5, Article 41.
https://doi.org/10.32744/pse.2024.5.41
Teichert, L., & Isidro, E. (2022). Turning literacy tutoring into virtual tutoring. Journal of Digital Learning in Teacher
Education, 38(4), 173–184. https://doi.org/10.1080/21532974.2022.2092042
Togawa, S., Kondo, A., & Kanenishi, K. (2025). Building a student tutoring assistance framework for teacher
support using generative AI technology. En EDULEARN25 Proceedings (Vol. 1, pp. 10130–10134).
IATED. https://doi.org/10.21125/edulearn.2025.2630
Villasis, M., Rendón, M., García, M., & Miranda, M. (2020). La revisión sistemática y el metaanálisis como
herramientas de apoyo para la clínica y la investigación. Revista Alergia México, 67(1), 62–72.
https://doi.org/10.29262/ram.v67i1.733
Wang, D. L., Gao, L., Shan, D. P., Chen, G. W., Zhang, C. W., & Kao, B. (2024). When tutors simultaneously
instruct students from the primary, middle, and high school levels in online one-on-one tutoring:
Investigating the interaction dynamics using AI, ENA, and LSA methods. Journal of Science Education
and Technology. https://doi.org/10.1007/s10956-024-10154-4
Wang, Q. (2025). AI-driven autonomous interactive English learning language tutoring system. Journal of
Computational Methods in Sciences and Engineering, 25(2), 1155–1166.
https://doi.org/10.1177/14727978241296719
Xiao, N., Yuan, C., Pei, Y., Xue, W., & Cai, Y. (2025). A study of artificial intelligence in writing assessment for
secondary school students: A comparative analysis based on GPT-4 and human raters. Educational
Studies. https://doi.org/10.1080/03055698.2025.2531969
Zambrano Campozano, R. F. (2025). Impacto de la inteligencia artificial en la transformación digital de la
educación. Serie Científica de la Universidad de las Ciencias Informáticas, 18(1), 177–192.
http://scielo.sld.cu/pdf/sc/v18n1/2306-2495-sc-18-01-177.pdf
Zhang, M. (2024). The impact of artificial intelligence virtual oral tutoring apps on Chinese youth’s anxiety in oral
English learning: Interview research based on users of artificial intelligence speaking tutoring apps. Journal
of Language, Culture and Education, 1(1), 31–38. https://doi.org/10.70267/1bd0nr72