Papel de la inteligencia artificial en el desarrollo
profesional docente: una revisión sistemática
The role of artificial intelligence in teacher professional development:
A systematic review
Recibido: 05/05/2026 - Aceptado: 26/07/2026
Walezwka Yilenia Villegas Ardiles de Chavez
https://orcid.org/0000-0003-4886-8485
walezwka@gmail.com
Universidad César Vallejo. Lima, Perú
Fernando Isrhael Chavez Solis
https://orcid.org/0009-0001-8693-161X
isrhaelchavez@gmail.com
Universidad Nacional Federico Villarreal. Lima, Perú
Lidia Trujillo Cadillo
https://orcid.org/0000-0001-8475-0949
lidia.trujillo.c@gmail.com
Universidad César Vallejo. Lima, Perú
Jorge Eloy Puma Chombo
https://orcid.org/0000-0001-8139-1792
jorge.puma@uwiener.edu.pe
Universidad Norbert Wiener. Lima, Perú
Resumen
El propósito de esta revisión sistemática fue examinar el papel de la inteligencia artificial (IA) en el desarrollo
profesional docente (DPD), analizando su influencia en la innovación pedagógica, la formación continua y la
redefinición de las competencias docentes en contextos educativos formales. La búsqueda se realizó en las bases
de datos Scopus, Web of Science, ERIC y SciELO, considerando estudios publicados entre 2020 y 2025 en inglés
y español, siguiendo la metodología PRISMA. Tras un proceso de cribado riguroso, se seleccionaron 34 artículos
que cumplían los criterios de inclusión y calidad metodológica. Los resultados evidenciaron que la inteligencia
artificial impacta la transformación educativa, favoreciendo la autorregulación del aprendizaje, el liderazgo
pedagógico distribuido y la construcción de comunidades de práctica. Asimismo, se observó que su
implementación potencia la personalización de la enseñanza, el análisis de datos para la toma de decisiones
pedagógicas y la mejora de la autoeficacia docente. Sin embargo, persisten desafíos relacionados con la
alfabetización digital, la ética de uso, la equidad en el acceso y la resistencia institucional. En conjunto, los
hallazgos destacan la urgencia de diseñar políticas formativas y modelos de capacitación que integren la IA desde
una perspectiva crítica, ética y sostenible, garantizando su papel como eje articulador del desarrollo profesional
docente y como motor de innovación educativa en la era digital.
Palabras clave: inteligencia artificial, innovación docente, desarrollo profesional docente.
Abstract
The purpose of this systematic review was to examine the role of artificial intelligence (AI) in teacher professional
development (TPD), analyzing its influence on pedagogical innovation, continuing education, and the redefinition
of teaching competencies in formal educational contexts. The search was conducted in the Scopus, Web of
Science, ERIC, and SciELO databases, considering studies published between 2020 and 2025 in English and
2
Spanish, following the PRISMA methodology. After a rigorous screening process, 34 articles that met the inclusion
and methodological quality criteria were selected. The results showed that artificial intelligence impacts educational
transformation, promoting self-regulated learning, distributed pedagogical leadership, and the development of
communities of practice. Furthermore, its implementation was observed to enhance personalized instruction, data
analysis for pedagogical decision-making, and improved teacher self-efficacy. However, challenges remain related
to digital literacy, ethical use, equitable access, and institutional resistance. Taken together, the findings highlight
the urgent need to design training policies and models that integrate AI from a critical, ethical, and sustainable
perspective, ensuring its role as a central element in teacher professional development and as a driver of
educational innovation in the digital age.
Keywords: artificial intelligence, teacher innovation, teacher professional development.
Introducción
La irrupción de la inteligencia artificial (IA) en los sistemas educativos, en las últimas décadas, ha redefinido
los fundamentos de la enseñanza, el aprendizaje y la gestión del conocimiento. Este cambio no solo responde a
un fenómeno tecnológico, sino a un profundo reajuste epistemológico que transforma la naturaleza misma del
desarrollo profesional docente (DPD). La IA se ha consolidado como una herramienta que amplía las capacidades
humanas al permitir la personalización del aprendizaje, la automatización de procesos y el análisis predictivo de
datos educativos, aportando evidencias útiles para la mejora continua de la práctica pedagógica (Dogan et al.,
2025; Al-Khresheh, 2024). Sin embargo, su integración efectiva requiere un profesorado capaz de comprender sus
principios operativos, valorar sus implicaciones éticas y traducir su potencial en innovación educativa sostenible.
Desde esta perspectiva, la IA no solo revoluciona el entorno técnico de la docencia, sino que introduce nuevos
desafíos cognitivos y formativos, orientando al educador hacia un rol más analítico, mediador y reflexivo frente a
la complejidad del entorno digital (Hoang, 2025; Aguilar-Cruz & Salas-Pilco, 2025).
En este contexto de acelerada transformación digital, el desarrollo profesional docente se ha convertido
en un componente estratégico para la integración efectiva de la IA. Las investigaciones recientes muestran que
los programas de formación continua orientados a la alfabetización en IA permiten mejorar la autoconfianza
pedagógica, la competencia tecnológica y la capacidad de innovación curricular del profesorado (Delcker et al.,
2024). Estas competencias, además de fortalecer la calidad educativa, favorecen la autonomía profesional y la
toma de decisiones basadas en datos, aspectos esenciales en un ecosistema educativo cada vez más mediado
por algoritmos y sistemas inteligentes. Sin embargo, la literatura también advierte sobre desigualdades
estructurales en el acceso y la preparación para el uso de la IA, particularmente en contextos de formación inicial
y en regiones donde los marcos institucionales aún no contemplan estrategias de desarrollo profesional asociadas
a la alfabetización digital avanzada (Özüdoğru & Durak, 2025). Este desajuste entre innovación tecnológica y
capacitación docente constituye una brecha crítica que la investigación educativa contemporánea busca
comprender y cerrar.
La adopción de herramientas de IA generativa, como ChatGPT, ha introducido un nuevo paradigma en la
interacción entre docentes, estudiantes y conocimiento. En la enseñanza del inglés como lengua extranjera (EFL),
por ejemplo, su uso ha demostrado mejorar la retroalimentación formativa, el análisis de errores lingüísticos y la
personalización de tareas, lo que redefine el papel del profesor como mediador cognitivo más que transmisor de
información (Metwally & Bin-Hady, 2025). No obstante, diversos estudios coinciden en señalar la necesidad de
establecer lineamientos éticos y pedagógicos que regulen el uso responsable de la IA, evitando sesgos
algorítmicos y dependencias tecnológicas (Yildirim & Akcan, 2024). De hecho, la integración de la IA en la formación
docente no puede limitarse a la competencia técnica, sino que debe incorporar una comprensión crítica de su
impacto en la cognición, la evaluación y la interacción educativa, dimensiones que sustentan el ejercicio profesional
ético y reflexivo (Villegas & Chavez, 2025).
De forma paralela, la investigación sobre liderazgo docente y cultura institucional evidencia que la IA está
transformando las formas de organización y gestión del aprendizaje. Los modelos de liderazgo digital y “e-
leadership” han cobrado relevancia como marcos que vinculan la innovación tecnológica con el empoderamiento
del profesorado, impulsando comunidades de práctica que aprenden a partir de los datos generados por sus
propias experiencias (Fusarelli & Fusarelli, 2024; Hoang, 2025). En este escenario, los docentes líderes actúan
como mediadores entre las políticas educativas, las demandas del aula y las oportunidades que ofrece la IA para
la mejora institucional. La literatura reciente resalta que una cultura escolar “AI-ready” requiere una visión
estratégica compartida, sustentada en la formación continua, la colaboración interdisciplinaria y la ética del uso de
datos (García-Tudela et al., 2023; Arranz et al., 2025). Así, el DPD se convierte en un proceso colectivo, orientado
3
a la innovación y sostenido por infraestructuras digitales que fomentan la reflexión, la cocreación y la evaluación
basada en evidencias.
El impacto de la IA en la formación docente, también, se manifiesta en la diversidad de modelos de
aprendizaje emergentes. Entornos inteligentes, sistemas adaptativos y metaversos educativos potencian
experiencias de aprendizaje personalizadas y multisensoriales, impulsando la creatividad y la resolución de
problemas como competencias centrales del siglo XXI (Matovic et al., 2025; Howorth et al., 2024). Estas
experiencias, además de enriquecer la práctica docente, refuerzan la necesidad de competencias en ética
algorítmica, manejo de datos y pensamiento computacional, pilares que garantizan un uso responsable y
sostenible de la tecnología. Estudios recientes destacan que la alfabetización en IA implica comprender sus
fundamentos técnicos, pero también desarrollar una conciencia crítica sobre sus implicaciones sociales y
educativas (Özüdoğru & Durak, 2025; Luckin, 2025). Desde esta perspectiva, la formación docente se redefine
como un proceso dinámico de adaptación y resignificación del conocimiento profesional frente a las nuevas formas
de inteligencia colectiva promovidas por la IA.
La evidencia empírica disponible confirma que los docentes que integran la IA en sus prácticas logran
mayores niveles de autoeficacia, innovación y satisfacción profesional (Dai, 2023; Delcker et al., 2024). Sin
embargo, como ya se mencionó, también se identifican desafíos vinculados con la infraestructura tecnológica, la
resistencia cultural y la falta de acompañamiento institucional en los procesos de transformación digital (Aguilar-
Cruz & Salas-Pilco, 2025; Dogan et al., 2025). De ahí que resulte prioritario comprender las tendencias actuales
en la investigación sobre IA y desarrollo profesional docente, a fin de diseñar estrategias formativas que equilibren
la dimensión técnica con la pedagógica y ética. Esta integración permitirá avanzar hacia modelos de docencia más
flexibles, inclusivos y basados en evidencia, en consonancia con las metas de calidad y equidad promovidas por
organismos internacionales como la UNESCO.
En este marco, la presente revisión sistemática tiene como finalidad identificar cómo la IA ha influido en la
innovación y el DPD. Específicamente, se plantea: (i) describir las principales líneas de investigación sobre IA y
formación docente en contextos educativos diversos; (ii) analizar los enfoques metodológicos y dimensiones
competenciales que sustentan el desarrollo profesional en entornos mediados por IA; y (iii) sintetizar los aportes y
desafíos reportados en la literatura reciente respecto a la integración ética, pedagógica y tecnológica de la IA en
la práctica educativa. Con ello, se busca ofrecer un panorama comprehensivo y actualizado que sirva de base para
futuras políticas de formación, investigación y transformación digital en educación.
Metodología
El propósito de esta revisión sistemática es examinar el papel de la IA en la innovación educativa y el
desarrollo profesional docente, identificando las tendencias, enfoques metodológicos y efectos pedagógicos
reportados en investigaciones empíricas recientes. La revisión se fundamenta en la necesidad de comprender
cómo las tecnologías basadas en IA están reconfigurando la formación y práctica del profesorado, promoviendo
nuevos paradigmas de aprendizaje, liderazgo pedagógico y alfabetización digital en contextos educativos formales
(Arranz et al., 2025; He et al., 2025). Para asegurar la transparencia, replicabilidad y rigurosidad científica del
proceso, se siguieron las directrices de la declaración PRISMA 2020 (Page et al., 2021), lo que permitió estructurar
de manera sistemática las etapas de identificación, cribado, elegibilidad e inclusión de los estudios seleccionados.
La estrategia de búsqueda bibliográfica se diseñó a partir de un enfoque combinatorio que integró
descriptores controlados y no controlados asociados a los constructos principales del estudio: inteligencia artificial
y desarrollo profesional docente. Se emplearon las ecuaciones: (“artificial intelligence” OR “AI”) AND (“teacher
professional development” OR “teacher education” OR “teacher training” OR “pedagogical innovation”), adaptadas
según las particularidades de cada base de datos. Las búsquedas se realizaron en las bases de datos Scopus,
Web of Science (WoS), ERIC y SciELO, seleccionadas por su cobertura internacional, su indexación en revistas
revisadas por pares y su pertinencia en los campos de educación, tecnología e innovación pedagógica. El rango
temporal comprendido fue de 2020 a 2025, con inclusión de publicaciones en inglés y español, este período fue
definido estratégicamente para captar la producción científica más reciente.
Los criterios de inclusión contemplaron artículos científicos empíricos, de diseño cuantitativo, cualitativo o
mixto, publicados en revistas indexadas en las bases seleccionadas, con texto completo accesible y que abordaran
explícitamente la relación entre IA y DPD, ya sea en contextos de educación inicial, continua o universitaria. Por el
contrario, los criterios de exclusión consideraron: documentos duplicados entre bases de datos; publicaciones
previas al año 2020 o posteriores a 2025; artículos no empíricos; investigaciones centradas únicamente en el
aprendizaje de estudiantes sin abordar el rol docente, y textos no disponibles en acceso completo. Esta
delimitación garantizó la validez interna del corpus de análisis, circunscribiéndolo a evidencias verificables y
relevantes para los objetivos del estudio.
4
En la fase de identificación, se recuperaron 1,642 registros: Scopus (347), Web of Science (695), ERIC
(448) y SciELO (152). Posteriormente, se eliminaron 426 duplicados mediante el uso del software Zotero 6.0, lo
que permitió consolidar 1,216 registros únicos. En la etapa de cribado, se evaluaron los títulos y resúmenes con
base en los criterios de inclusión, excluyéndose 1,055 artículos por falta de correspondencia temática, escasa
rigurosidad metodológica o ausencia de vinculación directa entre IA y formación docente. Como resultado, 161
estudios avanzaron a la etapa de elegibilidad. Tras la revisión a texto completo, 127 artículos fueron descartados
por no abordar empíricamente el desarrollo profesional o no especificar la naturaleza del componente de IA
analizado. Finalmente, 34 artículos cumplieron con todos los criterios metodológicos y conformaron la muestra
definitiva para la extracción y análisis de datos, lo cual se puede visualizar en el diagrama de flujo PRISMA
correspondiente a esta revisión.
Figura 1
Diagrama de flujo de fases según modelo PRISMA
IDENTIFICACIÓN
CRIBADO
ELEGIBILIDAD
INCLUSIÓN
WoS (695) – Scopus (347)
ERIC (448) – Scielo (152)
Total: 1.642 artículos
Quedaron 1.186 registros únicos
Se evaluaron 1.186 registros
Evaluados 108 artículos
Estudios incluidos: 34
Duplicados
eliminados: 456
Se descartaron
1.078 artículos
Se excluyeron 74
artículos
5
Para la extracción y organización de datos, se diseñó una matriz en Microsoft Excel, estructurada en
variables clave que facilitaron la comparación y análisis transversal de los estudios seleccionados. Cada registro
incluyó la referencia bibliográfica en formato APA (7ma edición), país de realización, tipo de diseño (cuantitativo,
cualitativo o mixto), población objetivo, nivel formativo, tipo de aplicación de IA y enfoque de desarrollo profesional.
Adicionalmente, se codificaron las categorías emergentes relacionadas con las dimensiones del desarrollo
docente: competencias digitales, alfabetización en IA, autoeficacia pedagógica, liderazgo educativo e innovación
curricular (Delcker et al., 2024; Wang et al., 2025). Este proceso fue realizado por dos investigadores de forma
independiente, y posteriormente se llevó a cabo una triangulación de resultados para garantizar la fiabilidad del
proceso. Siguiendo las recomendaciones de Arranz et al., (2025), para el análisis temático, se realizó un conteo
de frecuencias y distribución de tendencias por año, país y tipo de IA aplicada, con el propósito de mapear la
evolución del campo, lo que permitió identificar patrones conceptuales y emergentes en torno a la integración de
la IA en el desarrollo docente. Las categorías analíticas se centraron en tres ejes: percepciones y actitudes
docentes hacia la IA, modelos de formación y desarrollo profesional con enfoque en IA, y resultados e impactos
pedagógicos derivados de la adopción de IA.
En conjunto, el procedimiento metodológico seguido aseguró la confiabilidad, validez y replicabilidad de
los resultados, aportando una base sólida para el análisis comparativo y la discusión sobre el papel transformador
de la inteligencia artificial en el desarrollo profesional docente.
Resultados y discusión
La siguiente tabla sintetiza los principales hallazgos obtenidos a partir de los 34 estudios incluidos en la
presente revisión sistemática. Cada registro recoge información esencial relacionada con el autor, año, país, diseño
metodológico, tipo de aplicación de IA y su vínculo con el desarrollo profesional docente. Esta sistematización
permitió comparar enfoques, metodologías y contextos geográficos, evidenciando tendencias globales en la
integración de la IA en la formación y práctica pedagógica del profesorado. Asimismo, el análisis posibilitó identificar
factores comunes que potencian la alfabetización digital, la innovación curricular y el liderazgo docente en la era
de la inteligencia artificial.
Tabla 1
Distribución de estudios según habilidades investigativas y enfoque metodológico
N°
Autor(es)
País y Año
Diseño
Inteligencia artificial (IA)
Desarrollo profesional (DPD)
1
Ayanwale, M., et
al. (Nigeria, 2025)
Cuantitativo
Adopción de IA por docentes en
servicio; análisis de intención de
uso y factores predictivos.
Formación y apoyos institucionales
que incrementen preparación
psicológica de docentes.
2
García-Tudela, P.,
et al. (España,
2023)
Cuantitativo
“Future Classroom/SLE” con
tecnologías como IA/analítica,
sensores y entornos inteligentes.
Identifica necesidades de formación
docente y oportunidades de
satisfacción.
3
Al-khresheh, M.
H. (Multipaís,
2024)
Cualitativo
Integración de ChatGPT en
enseñanza de inglés; percepciones
docentes.
Señala necesidad de capacitación y
lineamientos para uso
pedagógico/ético de GenAI.
4
Metwally, A., &
Bin-Hady, W.
(Arabia Saudita,
2025)
Mixto
Formación para integrar IA en
docentes de EFL; beneficios y
necesidades.
Propone programas de DPD
centrados en competencias para
integración de IA en EFL.
5
Delcker, J., et al.
(Alemania, 2024)
Cuantitativo
Competencia de IA docente (6
dimensiones) y autopercepción.
Evidencia la necesidad de
oportunidades formativas para
desarrollar competencia de IA.
6
Gümüş, M. M., &
Kara, M. (Turquía,
2025)
Cuantitativo
Alfabetización en GenAI para el
aprendizaje (escala de medición).
Herramienta para diagnosticar
necesidades de DPD en
alfabetización GenAI.
6
7
Zhao, L., et al.
(China. 2022)
Cuantitativo
Alfabetización en IA de docentes de
Primaria y Secundaria.
Insumos para programas de DPD
que fortalezcan literacidad y ética
en IA.
8
Chounta, I. A., et
al. (Estonia, 2022)
Cuantitativo
Percepciones docentes sobre la IA
para apoyar su práctica en K-12.
Identifica necesidades de
apoyo/formación para uso eficaz y
ético de IA.
9
Wang, L., et al.
(China, 2025)
Cuantitativo
Integración de IA en la autoeficacia
y competencia tecnológica.
Papel mediador de la competencia
tecnológica del profesorado en
formación.
10
Özüdoğru, G., &
Durak, H.
(Turquía, 2025)
Cuantitativo
Relación con alfabetización en IA,
ciudadanía digital e innovación
impulsada por IA.
Vínculos entre alfabetización en IA
y preparación docente; insumos
para DPD inicial.
11
Howorth, S. K., et
al. (EE. UU.,
2024)
Mixto
Integración de tecnologías
emergentes (incluyendo IA) en la
preparación de docentes.
Propone estrategias de preparación
docente basados en la
implementación de IA.
12
Azem, A., et al.
(Palestina, 2025)
Cualitativo
Factores que influyen en la
adopción de IA en educación
superior.
Identifica barreras y facilitadores
relevantes para el DPD tecnológico
de docentes.
13
Matovic, S., et al.
(Serbia, 2025)
Cuantitativo
Perspectivas docentes sobre
metaverso impulsado por IA en
educación.
Señala carencias de formación y
necesidad de DPD sistemático en
IA/VR-AR.
14
Al-Zyoud, H.
(Emiratos Árabes
Unidos, 2020)
Cualitativo
Aplicaciones de IA para la
formación y mejora docente.
Propone entornos de aprendizaje y
bases de datos inteligentes para el
DPD del profesorado.
15
Mohammadi, M.
(Alemania, 2024)
Cualitativo
Entornos adaptativos asistidos por
IA en formación docente.
Propone entornos colaborativos de
IA para fortalecer capacidades y
competencias.
16
Metwally, A., &
Bin-Hady, W.
(Arabia Saudita,
2025)
Mixto
Integración de IA en la enseñanza
del inglés (EFL).
Capacitación en IA mejora la
competencia tecnológica y
pedagógica del profesorado.
17
Mouta, A., et al.
(España, 2024)
Cualitativo
Diseño de escenarios futuros para
IA educativa.
Desarrolla modelos éticos de
integración de IA en la formación
continua de docentes.
18
Li, M., & Manzari,
E. (China, 2025)
Mixto
Uso de IA en educación matemática
primaria.
Demuestra cómo la IA apoya la
autoeficacia y la mejora continua
docente.
19
Delcker, J., et al.
(Alemania, 2024)
Cuantitativo
Escala de autopercepción de
competencia en IA docente
Identifica brechas de competencia
en IA para orientar programas de
DPD.
20
Kim, J. (China,
2024)
Cualitativo
Colaboración docente-IA (TAC):
currículo, interacción y entorno de
aprendizaje.
Destaca DPD continuo, cultura AI-
ready y desarrollo de data literacy
docente.
21
Hoang, N. H.
(Vietnam, 2025)
Mixto
E-leadership en integración de
herramientas de IA por docentes de
EFL
Desarrolla competencias de
liderazgo digital docente para
planificar e implementar IA.
7
22
Tang, S.; et al.
(Malasia, 2025)
Mixto
Liderazgo de docentes
universitarios para promover
integración de IA móvil.
IA del profesorado aumenta
motivación y guía contenidos de
DPD.
23
Luckin, R. (Reino
Unido, 2025)
Cualitativo
IA para nutrir la inteligencia humana
(pensamiento crítico, creatividad,
ética)
Orienta agendas de DPD centradas
en AI y principios éticos para el
profesorado.
24
Nissim, Y., &
Simon, E. (Israel,
2025)
Cuantitativo
Difusión de innovación: integración
de ChatGPT en la formación inicial.
Predice actitudes hacia IA; sugiere
DPD específico en GenAI.
25
Nadelson, L., et
al. (EE. UU.,
2025)
Cuantitativo
Uso docente de GenAI y apoyo al
uso estudiantil; preocupaciones y
prácticas.
Identifica necesidades de DPD en
políticas, apoyo y prácticas
responsables con GenAI.
26
Baena-Morales,
S., et al. (España,
2025)
Cuantitativo
Conocimiento/actitudes hacia IA en
Educación Física.
Evidencia DP diferenciado por
experiencia docente.
27
Chen, D. C., et al.
(Taiwán, 2020)
Cuantitativo
Competencias profesionales de IA
en análisis por elementos finitos
(FEA).
Define competencias IA para
currícula y programas de formación
docente técnica.
28
Kurz, T., et al.
(EE. UU., 2022)
Cuantitativo
IA (visión por computadora) en DPD
remoto.
Concepciones docentes tras DPD
virtual; insumos para futuros
programas de DPD.
29
Aguilar-Cruz, P.
J., & Salas-Pilco,
S. Z. (Colombia,
2025)
Cuantitativo
Percepciones docentes: acceso
tecnológico IA, TPD y conciencia
ética.
Mapea brechas y prioridades para
formación docente en IA en K-12.
30
Kumar, R., &
Sharma, S.
(Canadá, 2025)
Cualitativo
Oportunidades/desafíos, integridad
académica y práctica docente.
Identifica necesidad de DPD en
ética GenAI, lineamientos y apoyo
institucional.
31
Van den Berg, S.,
& Pantelis, M. P.
(Internacional,
2024)
Cualitativo
IA para evaluación sumativa:
implicaciones para la práctica.
Sugiere formación docente en
evaluación con IA.
32
Bernardi, M., et al.
(Italia, 2025)
Cualitativo
GenAI en educación matemática:
conocimientos, usos y retos.
Implicaciones directas para DPD en
didáctica de matemáticas con IA.
33
Lee, H., & Bryan,
L. (Filipinas / EE.
UU., 2025)
Mixto
Integración de IA (ChatGPT) en
formación inicial docente y
competencias.
Impacto en competencias
profesionales y diseño de
programas de DPD.
34
Ghamrawi, N., et
al. (Qatar /
Estados Árabes,
2024)
Cualitativo
Impacto de la IA en el liderazgo
docente: apoyo al DPD) vs.
Regresión.
Competencias para sostener el
liderazgo en IA y formación
continua para su desarrollo.
El examen exhaustivo de los 34 estudios incluidos revela una convergencia temática que sitúa a la IA como
un elemento transformador en el DPD. En los últimos cinco años, la investigación ha evolucionado desde un
enfoque predominantemente instrumental hacia una perspectiva epistemológica y humanista, donde la IA se
concibe como mediadora de procesos de innovación, autorregulación y aprendizaje organizacional. La evidencia
indica que los entornos educativos contemporáneos demandan un profesorado capaz de articular competencias
tecnológicas, éticas y cognitivas en escenarios mediados por sistemas inteligentes, impulsando un paradigma
“profesional reflexivo-digital” (Aguilar-Cruz & Salas-Pilco, 2025; Dogan et al., 2025). Así, la IA deja de ser una
8
herramienta auxiliar para convertirse en un eje articulador del cambio pedagógico, vinculado directamente con la
sostenibilidad del aprendizaje y la mejora continua.
En este contexto, los resultados reflejan una clara relación entre alfabetización digital avanzada y
desarrollo profesional sostenido. Los estudios cuantitativos de gran escala, como los de Delcker et al. (2024) y
Zhao et al. (2022), evidencian que la autoeficacia y la percepción de competencia en IA determinan la disposición
docente hacia su adopción. Este patrón se replica en investigaciones realizadas en contextos emergentes, donde
la formación continua actúa como mediadora entre la confianza tecnológica y la calidad pedagógica. Los hallazgos
sugieren que los programas de DPD más efectivos integran componentes de AI literacy, pensamiento crítico y
ética digital, permitiendo que los educadores comprendan los mecanismos de los algoritmos y tomen decisiones
pedagógicas informadas (Özüdoğru & Durak, 2025). A medida que la IA penetra en las prácticas evaluativas y en
el diseño curricular, los docentes requieren no solo conocimientos técnicos, sino también la capacidad de discernir
implicaciones morales, culturales y epistemológicas derivadas de su uso.
Asimismo, la evidencia cualitativa subraya que la percepción docente sobre la IA no se construye de
manera homogénea, sino que responde a factores institucionales, generacionales y disciplinares. En el estudio de
Al-Khresheh (2024) los docentes de lenguas extranjeras destacaron la utilidad de herramientas generativas como
ChatGPT para promover la creatividad lingüística, aunque manifestaron inquietudes respecto a la fiabilidad de la
información y la pérdida de autoría intelectual. Estas tensiones revelan un dilema pedagógico contemporáneo:
mientras la IA potencia la productividad y la personalización del aprendizaje, también desafía los límites de la
autonomía docente. Tal como señalan Brandão et al. (2024), el DPD en entornos digitales requiere incorporar la
ética de la inteligencia artificial educativa, entendida como la capacidad de equilibrar innovación y responsabilidad.
En este sentido, la profesionalización docente se redefine no solo en función del dominio tecnológico, sino en su
habilidad para discernir, evaluar y humanizar las prácticas emergentes mediadas por IA.
A partir de la triangulación de estudios mixtos, se observó que la colaboración interdocente y el liderazgo
digital son factores decisivos para la adopción sostenible de la IA. Los trabajos de Hoang (2025) y Tang et al.
(2025) demuestran que los docentes que ejercen liderazgo en entornos tecnológicos —a través de mentorías,
coenseñanza y comunidades de práctica— desarrollan mayores niveles de confianza y apertura hacia la
innovación. Este hallazgo coincide con las conclusiones de He et al. (2025), quienes destacan que la mentoría
entre pares mediada por IA incrementa la autoeficacia y fortalece la cohesión profesional. La evidencia sugiere
que el DPD basado en IA no puede concebirse como un proceso aislado, sino como una construcción colectiva
que potencia el aprendizaje organizacional y la transformación institucional. Así, el liderazgo pedagógico en la era
de la IA se configura como un fenómeno relacional que articula competencias técnicas con habilidades
socioemocionales y éticas (Luckin, 2025).
Por otra parte, los hallazgos confirman una reconfiguración epistemológica del rol docente, donde el
conocimiento deja de ser un producto cerrado para convertirse en un proceso dinámico de interpretación mediada
por datos. Mohammadi (2024) y García-Tudela et al. (2023) destacan que los entornos inteligentes basados en
learning analytics y aprendizaje adaptativo permiten una retroalimentación más precisa y contextualizada,
promoviendo el desarrollo de una pedagogía basada en la evidencia. En este nuevo ecosistema, el profesorado
asume el papel de mediador cognitivo, integrando información algorítmica en sus decisiones pedagógicas sin
perder la dimensión humana del proceso educativo. Estudios como los de Li y Manzari (2025) refuerzan esta idea
al demostrar que la aplicación de IA en matemáticas no solo mejora los resultados de aprendizaje, sino que
fortalece la autoeficacia y la capacidad reflexiva del docente. De este modo, la IA se consolida como un agente de
transformación epistémica que impulsa una enseñanza centrada en la metacognición, la creatividad y la
autorregulación profesional.
A nivel de desafíos, la revisión pone de manifiesto la persistencia de brechas estructurales y éticas que
limitan la apropiación de la IA en la formación docente. Los estudios de Aguilar-Cruz y Salas-Pilco (2025) y Duan
y Zhao (2024) destacan que la desigualdad tecnológica, la escasa infraestructura institucional y la falta de marcos
normativos sólidos obstaculizan la continuidad del DPD digital. A ello se suma la carencia de espacios para la
reflexión ética sobre la automatización educativa, aspecto que se torna especialmente crítico en contextos donde
los algoritmos intervienen en la evaluación del desempeño. No obstante, investigaciones como las de Ayanwale et
al. (2025) sugieren una salida evolutiva: el tránsito hacia una inteligencia aumentada, donde la IA amplifica, en
lugar de sustituir, las competencias cognitivas y afectivas del docente. Este modelo, centrado en la colaboración
humano-algorítmica, propone un DPD más sostenible, basado en la integración de saberes técnicos, pedagógicos
y éticos.
Finalmente, la síntesis comparativa de los resultados permite sostener que la IA actúa como catalizador
del desarrollo profesional docente, al favorecer la autorregulación, la innovación curricular y el liderazgo
pedagógico informado. No obstante, su impacto depende en gran medida de las políticas institucionales, la
9
infraestructura tecnológica y el compromiso ético del profesorado. La revisión evidencia que la formación continua
en IA debe trascender la capacitación técnica para convertirse en un proceso crítico de construcción del
conocimiento, orientado a la equidad y la humanización del aprendizaje. En suma, los avances descritos confirman
que el futuro del desarrollo profesional docente no radica en la adopción acrítica de tecnologías, sino en la creación
de un ecosistema educativo capaz de integrar la inteligencia humana y artificial en un diálogo permanente de
transformación y mejora (Dogan et al., 2025; Luckin, 2025).
Conclusiones
El desarrollo de esta revisión sistemática permitió comprender que la integración de la IA en la formación
y el desarrollo profesional docente no constituye únicamente una tendencia tecnológica, sino un proceso
estructural de transformación pedagógica y epistemológica. Los resultados evidencian que el papel del profesorado
se redefine ante la irrupción de sistemas inteligentes, que no solo automatizan tareas, sino que reconfiguran los
modos de enseñar, aprender y reflexionar sobre la práctica educativa. Esta revisión permitió constatar que la IA se
ha convertido en un eje articulador de la profesionalización docente, al favorecer la innovación pedagógica, la toma
de decisiones informada y la construcción de nuevas competencias adaptativas que trascienden el dominio técnico.
En ese sentido, la integración efectiva de la IA exige comprenderla no como una herramienta aislada, sino como
un ecosistema complejo que involucra dimensiones cognitivas, emocionales, éticas y organizacionales del ejercicio
docente.
La relación entre IA y desarrollo profesional docente se consolida a través de un entramado de factores
interdependientes que van desde la alfabetización digital y el fortalecimiento de la autoeficacia tecnológica, hasta
la generación de entornos colaborativos de liderazgo y mentoría entre pares. Los hallazgos muestran que los
programas de formación más eficaces no se limitan a la transmisión de conocimientos sobre IA, sino que
promueven un cambio en la mentalidad profesional, estimulando la capacidad de análisis, la innovación curricular
y la reflexión sobre el impacto educativo de los algoritmos. De este modo, la IA no sustituye el papel del docente,
sino que amplifica su potencial reflexivo y creativo, otorgándole una nueva centralidad en la mediación pedagógica
y en la interpretación crítica de los datos generados por los sistemas inteligentes. Este proceso implica una
profunda reconfiguración de la identidad profesional, que pasa de ser operativa a ser estratégica y transformadora.
Además, a partir del análisis de los resultados, se observa que el impacto de la IA sobre la práctica docente
no es homogéneo, sino que depende de las condiciones institucionales, culturales y de infraestructura de cada
contexto. En los sistemas educativos con políticas de innovación bien estructuradas, la IA ha potenciado la
personalización del aprendizaje, el uso de analítica educativa y la evaluación basada en evidencia, mientras que
en otros contextos aún persisten limitaciones derivadas de la falta de recursos, la desigualdad digital y la escasa
formación en competencias de pensamiento computacional. Este contraste evidencia que el verdadero desarrollo
profesional docente en la era de la IA no se mide únicamente por la cantidad de herramientas empleadas, sino por
la capacidad de los docentes para integrarlas de manera crítica, contextualizada y ética, garantizando que la
tecnología esté al servicio de la humanización de los procesos de enseñanza y aprendizaje.
La revisión también permitió identificar que la IA está impulsando un modelo de liderazgo pedagógico más
distribuido y colaborativo. El docente contemporáneo deja de ser un agente aislado para convertirse en un miembro
activo de comunidades de práctica que co-crean conocimiento y experimentan con innovaciones educativas. Este
cambio de paradigma promueve la consolidación de culturas institucionales basadas en la confianza, la mentoría
y la autorregulación, donde el liderazgo se entiende como una competencia compartida que favorece la
sostenibilidad de las prácticas digitales. Además, el trabajo colaborativo con la IA ha potenciado la capacidad de
los educadores para diseñar estrategias personalizadas, realizar diagnósticos predictivos y retroalimentar de
manera más precisa el aprendizaje de sus estudiantes, fortaleciendo así la autonomía profesional y la calidad
educativa.
De manera transversal, la evidencia obtenida confirma que la ética se erige como uno de los pilares
fundamentales del desarrollo profesional docente en entornos mediados por IA. A medida que los algoritmos
adquieren protagonismo en la evaluación, la gestión del conocimiento y la planificación educativa se vuelve
imprescindible que el profesorado desarrolle una conciencia crítica sobre los riesgos asociados al sesgo
algorítmico, la privacidad de los datos y la equidad en el acceso al conocimiento. El compromiso ético del docente,
reforzado por la alfabetización digital, se convierte en una condición necesaria para garantizar que la inteligencia
artificial contribuya al bienestar social y no a la reproducción de desigualdades. La formación continua, en este
sentido, debe promover una comprensión humanista de la IA, donde el juicio profesional, la empatía y la
responsabilidad pedagógica sigan siendo los ejes que orienten la práctica educativa en escenarios automatizados.
En conjunto, la revisión sistemática permite concluir que la IA no redefine solamente las herramientas de
enseñanza, sino el sentido mismo del ser docente en la sociedad digital. Su incorporación exige repensar los
10
marcos de formación inicial y continua, las políticas educativas y los modelos de evaluación, para asegurar que el
desarrollo profesional docente se alinee con las demandas éticas y cognitivas del siglo XXI. En este nuevo
paradigma, el profesor se concibe como un mediador inteligente que integra conocimiento tecnológico,
pensamiento crítico y sensibilidad humana, capaz de diseñar experiencias de aprendizaje personalizadas,
inclusivas y sostenibles. Por tanto, el desafío no reside en dominar la tecnología, sino en construir una visión
pedagógica que permita convivir con ella desde la reflexión, la creatividad y la responsabilidad. Solo así la IA podrá
consolidarse como un catalizador de transformación educativa auténtica, fortaleciendo la autonomía del
profesorado y la capacidad de los sistemas educativos para responder con equidad y sentido a los retos del futuro.
Referencias
Aguilar-Cruz, P. J., & Salas-Pilco, S. Z. (2025). Teachers’ perceptions of artificial intelligence in Colombia: AI
technological access, AI teacher professional development and AI ethical awareness. Technology,
Pedagogy and Education, 34(2), 219–238. https://doi.org/10.1080/1475939X.2025.2451865
Al-Khresheh, M. H. (2024). Bridging technology and pedagogy from a global lens: Teachers’ perspectives on
integrating ChatGPT in English language teaching. Computers and Education: Artificial Intelligence, 6,
100218. https://doi.org/10.1016/j.caeai.2024.100218
Al-Zyoud, H. M. M. (2020). The role of artificial intelligence in teacher professional development. Universal Journal
of Educational Research, 8(11B), 6263–6272. https://doi.org/10.13189/ujer.2020.082265
Arranz Garcia, O., Romero García, M., & Secades Vidal, A. (2025). Perceptions, strategies, and challenges of
teachers in the integration of artificial intelligence in primary education: A systematic review. Journal of
Information Technology Education: Research, 24, 006. https://doi.org/10.28945/5458
Ayanwale, M. A., Adelana, O. P., Bamiro, N. B., et al. (2025). Large language models and GenAI in education:
Insights from Nigerian in-service teachers through a hybrid ANN-PLS-SEM approach. F1000Research, 14,
258. https://doi.org/10.12688/f1000research.161637.1
Azem Qashou, A., Nurhidayah, B., & Hazura, M. (2025). Implementing Mobile Cloud Computing in Higher Education
Institutions: A qualitative investigation of influential factors. Interdisciplinary Journal of Information,
Knowledge, and Management, 20, 002. https://doi.org/10.28945/5423
Baena-Morales, S., Sánchez-Jarque, M., Ferriz-Valero, A., & Bofill-Herrero, A. (2025). The paradox of experience:
Generational analysis of AI integration in physical education using the iTPACK framework. Physical
Education and Sport Pedagogy, 1–22. https://doi.org/10.1080/17408989.2025.2536145
Bernardi, M. L., Capone, R., Faggiano, E., & Rocha, H. (2025). Generative AI in mathematics education: Pre-service
teachers’ knowledge and implications for their professional development. International Journal of
Mathematical Education in Science and Technology, 56(8), 1513–1530.
https://doi.org/10.1080/0020739X.2025.2490104
Brandão, A., Pedro, L., & Zagalo, N. (2024). Teacher professional development for a future with generative artificial
intelligence: An integrative literature review. Digital Education Review, 45, 151–157.
https://doi.org/10.1344/der.2024.45.151-157
Chen, D. C., You, C. S., & Su, M. S. (2022). Development of professional competencies for artificial intelligence in
finite element analysis. Interactive Learning Environments, 30(7), 1265–1272.
https://doi.org/10.1080/10494820.2020.1719162
Chounta, I. A., Bardone, E., Raudsep, A., & Pedaste, M. (2022). Exploring teachers’ perceptions of artificial
intelligence as a tool to support their practice in Estonian K-12 education. International Journal of Artificial
Intelligence in Education, 32(3), 725–755. https://doi.org/10.1007/s40593-021-00243-5
Dai, Y. (2023). Negotiation of epistemological understandings and teaching practices between primary teachers
and scientists about artificial intelligence in professional development. Research in Science Education,
53(3), 577–591. https://doi.org/10.1007/s11165-022-10072-8
Delcker, J., Heil, J., & Ifenthaler, D. (2024). Evidence-based development of an instrument for the assessment of
teachers’ self-perceptions of their artificial intelligence competence. Educational Technology Research and
Development. https://doi.org/10.1007/s11423-024-10418-1
Dogan, S., Nalbantoglu, U. Y., Celik, I., & Agacli Dogan, N. (2025). Artificial intelligence professional development:
A systematic review of TPACK, designs, and effects for teacher learning. Professional Development in
Education, 1–28. https://doi.org/10.1080/19415257.2025.2454457
Duan, H., & Zhao, W. (2024). The effects of educational artificial intelligence-powered applications on teachers’
perceived autonomy, professional development for online teaching, and digital burnout. The International
Review of Research in Open and Distributed Learning, 25(3), 57–76.
https://doi.org/10.19173/irrodl.v25i3.7659
11
Fusarelli, B. C., & Fusarelli, L. D. (2024). Leadership for the future: Enhancing principal preparation through
standards and innovation. Education Sciences, 14(12), 1403. https://doi.org/10.3390/educsci14121403
García-Tudela, P. A., Prendes-Espinosa, P., & Solano-Fernández, I. (2023). The Spanish experience of future
classrooms as a possibility of smart learning environments. Heliyon, 9(8), e18577.
https://doi.org/10.1016/j.heliyon.2023.e18577
Ghamrawi, N., Shal, T., & Ghamrawi, N. A. R. (2024). Exploring the impact of AI on teacher leadership: Regressing
or expanding? Education and Information Technologies, 29(7), 8415–8433. https://doi.org/10.1007/s10639-
023-12174-w
Gümüş, M. M., & Kara, M. (2025). Development and validation of the Generative AI Literacy for Learning Scale
(GenAI-LLs). Australasian Journal of Educational Technology, 41(4), 1–16.
https://doi.org/10.14742/ajet.10236
He, X., Zhou, R., Fan, Q., Xiao, X., Yu, Y., & Yan, Z. (2025). Preparing student teachers for professional
development: Mentoring generative artificial intelligence (AI) learners in mathematical problem solving.
IEEE Transactions on Learning Technologies, 18, 458–469. https://doi.org/10.1109/tlt.2025.3557037
Hoang, N. H. (2025). E-leadership in the AI era: Exploring Vietnamese EFL teachers’ digital leadership development
in AI integration. Education and Information Technologies, 30(12), 16895–16928.
https://doi.org/10.1007/s10639-025-13451-6
Howorth, S. K., Marino, M. T., Flanagan, S., Cuba, M. J., & Lemke, C. (2024). Integrating emerging technologies to
enhance special education teacher preparation. Journal of Research in Innovative Teaching & Learning.
https://doi.org/10.1108/jrit-08-2024-0208
Kim, J. (2024). Leading teachers’ perspective on teacher-AI collaboration in education. Education and Information
Technologies, 29(7), 8693–8724. https://doi.org/10.1007/s10639-023-12109-5
Kumar, R., & Sharma, S. (2025). Secondary school teachers’ perspectives on GenAI proliferation: Generating
advanced insights. International Journal for Educational Integrity, 21(1). https://doi.org/10.1007/s40979-
025-00180-z
Kurz, T., Jayasuriya, S., Swisher, K., Mativo, J., Pidaparti, R., & Robinson, D. T. (2022). Investigating Changes in
Teachers’ Perceptions about Artificial Intelligence after Virtual Professional Development. Journal of
Interactive Learning Research, 33(4), 225-241. https://www.learntechlib.org/primary/p/221764/.
Lee, H., & Bryan, L. M. (2025). Integrating AI in teacher education: Exploring the impact on preservice teacher
competencies. Professional Development in Education, 51(3), 478–494.
https://doi.org/10.1080/19415257.2025.2490000
Li, M., & Manzari, E. (2025). AI utilization in primary mathematics education: A case study from a southwestern
Chinese city. Education and Information Technologies, 30(9), 11717–11750.
https://doi.org/10.1007/s10639-025-13315-z
Luckin, R. (2025). Nurturing human intelligence in the age of AI: Rethinking education for the future. Development
in Learning Organizations: An International Journal, 39(1), 1–4. https://doi.org/10.1108/dlo-04-2024-0108
Matovic, S., Markovic, T., Dobrosavljevic, N., & Stajin, M. (2025). Metaverse in education: Teachers’ perspectives
on benefits and challenges. Research in Pedagogy, 15(1), 49–61. https://doi.org/10.5937/istrped2501049m
Metwally, A. A., & Bin-Hady, W. R. A. (2025). Probing the necessity and advantages of AI integration training for
EFL educators in Saudi Arabia. Cogent Education, 12(1). https://doi.org/10.1080/2331186X.2025.247246
Mohammadi, M. (2024). Advancing an integrative AI-assisted adaptive learning environment for teacher education:
Case of the BRICS countries. Education & Self Development, 19(4), 82–95.
https://doi.org/10.26907/esd.19.4.07
Mouta, A., Torrecilla-Sánchez, E. M., & Pinto-Llorente, A. M. (2024). Design of a future scenarios toolkit for an
ethical implementation of artificial intelligence in education. Education and Information Technologies, 29(9),
10473–10498. https://doi.org/10.1007/s10639-023-12229-y
Nadelson, L. S., Walthall, B., Faidley, E. W., & Filer, J. (2025). Generative artificial intelligence in teaching and
learning: Concerns, practices, and supporting students use. The Journal of Educational Research, 1–12.
https://doi.org/10.1080/00220671.2025.2511229
Nissim, Y., & Simon, E. (2025). The diffusion of artificial intelligence innovation: Perspectives of preservice teachers
on the integration of ChatGPT in education. Journal of Education for Teaching International Research and
Pedagogy, 51(2), 381–401. https://doi.org/10.1080/02607476.2025.2469128
Özüdoğru, G., & Durak, H. Y. (2025). Conceptualizing pre-service teachers’ artificial intelligence readiness and
examining its relationship with various variables: The role of artificial intelligence literacy, digital citizenship,
artificial intelligence-enhanced innovation and perceived threats from artificial intelligence. Information
Development, 41(3), 916–932. https://doi.org/10.1177/02666669251335657
12
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J.
M., Akl, E. A., Brennan, S. E., et al. (2021). The PRISMA 2020 statement: Updated guidelines for reporting
systematic reviews. BMJ, 372, n71.
Tang, S. S., Beh, W. F., & Cheah, K. S. L. (2025). The Role of Lecturers’ AI Leadership in Enhancing Postgraduate
Student Teachers’ Integration of Mobile AI Tools: A Mixed-Methods Study in Malaysian Education Faculties.
International Journal of Interactive Mobile Technologies (iJIM), 19(07), 136–158.
https://doi.org/10.3991/ijim.v19i07.51971
Van den Berg, S., & Pantelis M, P. (2024). Summative assessment with artificial intelligence: Qualitative analysis
and comparison of technology acceptance in student and teacher populations. Innovations in Education
and Teaching International, 1–16. https://doi.org/10.1080/14703297.2024.2436613
Villegas Ardiles de Chavez, W. Y., & Chavez Solis, F. I. (2025). Habilidades investigativas como catalizador del
desarrollo profesional docente: Una revisión sistemática. Revista InveCom, 6(3), e603011.
https://doi.org/10.5281/zenodo.17239599
Wang, Q., Li, Q., Cui, X., Xu, Y., Wang, N., & Wang, M. (2025). Integrating AI in preschool teacher education: The
mediating role of self-efficacy in health education and the moderating effect of technological proficiency.
Journal of Baltic Science Education, 24(4), 721–741. https://doi.org/10.33225/jbse/25.24.721
Yildirim, B., & Akcan, A. T. (2024). AI-professional development model for chemistry teacher: Artificial intelligence
in chemistry education. Journal of Education in Science, Environment and Health, 161–182.
https://doi.org/10.55549/jeseh.741
Zhao, L., Wu, X., & Luo, H. (2022). Developing AI literacy for primary and middle school teachers in China: Based
on a structural equation modeling analysis. Sustainability, 14(21), 14549.
https://doi.org/10.3390/su142114549
