Dos agregados dentro de EU Kids Online España
La gráfica clasifica un 47% como usuario; la tabla deja un 41,4% de no uso. El informe no explica bien la diferencia.
Lo esencial en un golpe de vista
Las cifras siguientes son anclas, no piezas intercambiables. Cada una conserva edad, periodo y método.
La edad y el contexto cambian quién acompaña, interpreta y decide
Los estudios con menores y familias aportan contexto, pero no describen por sí solos a jóvenes que viajan, estudian o viven fuera del hogar. En Erasmus+ Youth importan también la voz propia, los pares, los profesionales, las organizaciones de acogida y las comunidades.
Chatbots para aprender cada semana
Estudiantes españoles de unos 15 años. PISA 2025, 29.967 estudiantes de 956 centros.
Uso en España entre 16 y 24 años
INE 2025, últimos tres meses. Incluye adultos de 18 a 24; no describe solo a menores.
Percepción de desconocimiento docente
Adolescentes de GAD3 que responden bastante o mucho. Es percepción juvenil, no prueba de error docente.
Uso infantil con acuerdo parental
En 780 pares británicos de 8 a 12 años, padres e hijos coincidieron sobre la existencia general de uso.
Uso semanal entre 13 y 18 años
National Literacy Trust 2026. Muestra muy grande, pero sin representatividad probabilística demostrada.
La edad cambia el mapa
Mismo estudio, mismo cuestionario y mismo periodo. Por eso esta comparación sí tiene sentido.
La regla para leer cualquier porcentaje
- Quién respondió y qué edad tenía.
- Cuándo se hizo el trabajo de campo.
- Qué herramienta o función se nombró.
- Qué periodo recordó la persona.
- Cómo se eligió y ponderó la muestra.
Si falta una de estas piezas, la cifra necesita una advertencia.
Lo que sabemos
- El uso aumenta con la edad.
- Estudiar y buscar información son usos centrales.
- También hay creación, ocio, consejo y compañía.
- La formación y el apoyo son desiguales.
Lo que falta medir
- Conducta real y no solo recordada.
- Experiencias de jóvenes en movilidad y fuera del hogar familiar.
- Aprendizaje que permanece sin la herramienta.
- Usos integrados que no se reconocen como IA.
Lo que no debe concluirse
- Que un solo porcentaje describe a todos los menores.
- Que una preocupación prueba un daño.
- Que la familia es siempre el apoyo o interlocutor principal.
- Que los adultos no saben nada.
La IA generativa es solo la punta visible
Debajo no hay una sola familia de herramientas. Hay reglas, scripts, automatizaciones, modelos, agentes, lugares de ejecución y sistemas que actúan sobre las personas sin presentarse como inteligencia artificial.
Chatbots y generación visible
Texto, imagen, vídeo, audio, presentaciones y diseño solicitados de forma consciente.
Debajo de la conversación más visible
1
Antes de preguntar qué IA necesitamos
La primera decisión es si hace falta inteligencia artificial. Una regla, una plantilla o un script pueden resolver mejor una tarea estable.
Escala conceptual. La barra más larga indica más complejidad, coste potencial y necesidad de supervisión. No significa que la solución sea mejor.
Regla o plantillaRespuesta fija para condiciones conocidas.
ScriptRepite una tarea exacta; suele ser barato, rápido y auditable.
AutomatizaciónConecta reglas, pasos y aplicaciones sin necesidad de interpretar.
Modelo de IAAporta lenguaje, percepción o patrones cuando la entrada varía.
AgenteCombina un modelo con instrucciones, herramientas y varios pasos.
Sistema multiagenteReparte funciones entre agentes y añade coordinación y nuevos fallos posibles.
2
Agentes: no todos hacen lo mismo
Agente no significa autonomía total. Lo importante es qué puede hacer, durante cuánto tiempo, con qué herramientas y en qué momentos necesita permiso.
ChatbotResponde dentro de la conversación.
AsistentePropone, resume o prepara una acción.
CopilotoTrabaja junto a una persona que conserva el mando inmediato.
Agente con herramientasConsulta, escribe, navega o ejecuta acciones autorizadas.
Agente persistenteContinúa, recuerda estado o vuelve a actuar mediante eventos o horarios.
Varios agentesDistribuyen tareas, se revisan o coordinan resultados.
Reactivo o proactivoTemporal o persistenteSin memoria o con memoriaUno o varios agentesSupervisado o más autónomoGeneral o especializado
3
Dónde se ejecuta y dónde puede actuar
Son preguntas distintas. Un modelo en la nube puede manejar archivos del ordenador mediante un conector. Un modelo local puede llamar a servicios externos.
En la nube
El cálculo ocurre en servidores remotos. Facilita potencia y actualizaciones, pero aumenta la dependencia del proveedor y el tránsito de datos.
Local o en el dispositivo
Funciona en un ordenador, móvil o equipo controlado por quien lo usa. Puede mejorar control y uso sin conexión, con límites de hardware y mantenimiento.
Híbrido
Reparte tareas. Lo sensible o sencillo puede quedarse local y lo más exigente enviarse a la nube.
Superficie sobre la que puede actuar
Solo conversaciónProduce una respuesta, pero no cambia nada fuera del chat.
Servicios en la nubeConsulta calendarios, documentos, bases o cuentas conectadas.
NavegadorLee páginas, rellena campos o recorre aplicaciones web.
OrdenadorTrabaja con archivos, programas, terminal o dispositivos locales.
Mundo físicoActúa mediante sensores, máquinas, vehículos o robots.
La pregunta práctica no es solo dónde está la IA. También importa qué permisos tiene, qué puede cambiar, si deja registro, si pide confirmación y cómo se deshace una acción equivocada.
4
Variantes que suelen mezclarse
Estas categorías describen ejes diferentes. Un mismo sistema puede ocupar una posición en cada uno.
Alcance
Propósito general, especializado o vertical y modelos de frontera.
Apertura
Servicio cerrado, pesos abiertos o inteligencia artificial de código abierto.
Conocimiento
Congelado en el entrenamiento, conectado a documentos mediante RAG o conectado a búsqueda.
Adaptación
Modelo base, modelo instruido, ajuste fino o instrucciones y contexto añadidos en cada uso.
Modalidad
Texto, imagen, audio, vídeo, código o combinaciones multimodales.
Visibilidad
Aplicación reconocible, asistente integrado o sistema que opera sin presentarse ante la persona.
5
La parte que actúa sin que le pidamos una respuesta
El debate suele mirar a lo que una persona escribe en un chatbot. Debajo también están los sistemas que ordenan el entorno y toman decisiones sobre ella.
Decide qué aparece
Vídeos, noticias, contactos, anuncios, ejercicios o itinerarios.
Asigna categorías
Rendimiento, riesgo, prioridad, fraude, edad estimada o perfil.
Detecta conductas
Contenido, exámenes, accesos, lenguaje o patrones considerados anómalos.
Estima lo que ocurrirá
Abandono, interés, respuesta, necesidad de apoyo o probabilidad de una acción.
IA utilizada sobre menores
Puede afectar qué contenido, vigilancia, evaluación y oportunidades recibe una persona.
6
La infraestructura material que casi nunca aparece en la conversación
Una respuesta parece inmaterial, pero depende de centros de datos, electricidad, refrigeración, agua, redes, chips y equipos que también tienen lugar, vida útil y costes.
Energía
Conviene distinguir el consumo total del centro de datos, la parte atribuible al servicio y la mezcla eléctrica del lugar donde funciona.
Agua
La refrigeración puede utilizar agua directa o indirectamente. Importan volumen, procedencia, estrés hídrico local y método de cálculo.
Hardware
Fabricar y renovar servidores, aceleradores y dispositivos añade materiales, emisiones incorporadas y residuos electrónicos.
Localización
El mismo consumo no tiene la misma consecuencia en todas partes. Cambian la red eléctrica, el clima, el agua disponible y la concentración territorial.
Eficiencia
Un sistema más eficiente puede abaratar el uso y aumentar su volumen. Ahorrar por operación no garantiza reducir el consumo total.
Transparencia
Sin datos del proveedor y límites claros del cálculo, no es serio convertir una consulta concreta en una cifra universal de agua o energía.
La Unión Europea ya mide centros de datos con indicadores comunes. Energía total, eficiencia energética, uso de agua, reutilización de calor y proporción renovable forman parte del esquema de información. Eso permite hablar con unidades y límites, no con equivalencias virales por consulta.
No son tipos equivalentes
Aprendizaje por refuerzo es un método de ajuste. Conocimiento congelado o conectado a fuentes describe cómo accede a información. Sin censura es una etiqueta imprecisa para salvaguardas reducidas. Texto, imagen, audio y vídeo son modalidades.
Nueve preguntas para situar cualquier sistema
Un marco corto para comparar herramientas sin hacer una lista infinita de marcas.
- Necesidad.
¿Basta una regla, una plantilla, un script o una automatización? - Relación.
¿La persona usa la IA o la IA se utiliza para decidir sobre ella? - Tarea.
¿Genera, recomienda, clasifica, predice, reconoce o actúa? - Autonomía.
¿Responde, propone, usa herramientas, planifica o continúa sola? - Ejecución.
¿Funciona en la nube, localmente, en el dispositivo o de forma híbrida? - Alcance.
¿Es de propósito general o especializada en un dominio? - Control.
¿Quién puede inspeccionarla, modificarla, ejecutarla y fijar salvaguardas? - Consecuencia.
¿Qué datos usa, quién supervisa y qué ocurre si se equivoca? - Huella.
¿Qué infraestructura, energía, agua y equipos requiere y dónde se concentran sus efectos?
Qué aporta este mapa ampliado
Las barras no son estadísticas ni una clasificación de herramientas buenas y malas. Hacen visibles decisiones que suelen quedar ocultas: si hacía falta IA, cuánto actúa, dónde funciona y sobre qué entorno tiene permiso. Las cifras disponibles siguen describiendo sobre todo uso generativo declarado; para las demás capas todavía falta medir.
Qué mide cada estudio
El filtro no ordena ganadores. Sirve para ver qué pregunta puede responder cada fuente y dónde termina.
11 estudios visibles
| Estudio | Lugar y edad | Muestra | Qué mide | Confianza útil | Límite decisivo |
|---|---|---|---|---|---|
| EU Kids Online 2026 | España, 9 a 16 | 2.596 | Actividades de IA generativa en el último mes | Alta | Autoinforme y discrepancia interna entre agregados |
| PISA 2025 | España, unos 15 años | 29.967 | Uso de chatbots para tareas escolares concretas | Muy alta | No mide familias ni conducta registrada |
| INE TIC 2025 | España, 16 a 24 | Encuesta oficial de hogares | Uso de IA generativa en tres meses y finalidad | Muy alta | Mezcla menores con adultos jóvenes |
| Empantallados y GAD3 2025 | España, adolescentes, padres y docentes | 922 en tres muestras | Uso, percepción, reglas y formación | Media | Los tres grupos no son pares vinculados |
| TALIS 2024 | España, profesorado | Encuesta OCDE | Uso profesional y preparación docente | Alta | No mide conocimiento del uso del alumnado |
| Alan Turing Institute 2025 | Reino Unido, 8 a 12 y cuidadores | 780 pares | Uso infantil y conciencia parental | Alta para el diseño | Pregunta general y niños pequeños; panel voluntario |
| Ofcom 2025 a 2026 | Reino Unido, 8 a 17 y padres | 3.426 menores y 5.008 padres | Uso de IA, amistad y capacidad crítica | Alta | Cambió la metodología respecto a años anteriores |
| National Literacy Trust 2026 | Reino Unido, 13 a 18, docentes y padres | 40.543 jóvenes y dos muestras adultas | Alfabetización, copia, verificación y apoyo | Media | Muestra grande sin representatividad probabilística demostrada |
| Internet Matters 2025 | Reino Unido, 9 a 17 y padres | 1.000 menores y 2.000 padres | Chatbots, consejo, compañía y conversaciones | Media | No ofrece preguntas parentales perfectamente equivalentes |
| JIM 2025 | Alemania, 12 a 19 | 1.200 | Aplicaciones de IA y motivos de uso | Alta | No usa la misma definición que EU Kids Online |
| Eurostat 2025 | Unión Europea, 16 a 24 | Encuestas oficiales armonizadas | Uso de IA generativa por finalidad | Muy alta | No cubre menores de 16 y mezcla 16 a 24 |
47% frente a 85%
No es una contradicción resoluble con un promedio. EU Kids Online incluye de 9 a 16 años y actividades del último mes. GAD3 incluye de 14 a 17 y pregunta frecuencia general.
35% frente a 80% de docentes
TALIS mide uso de IA en el trabajo durante 2024. GAD3 pregunta por uso de herramientas generativas en otra muestra. Cambian objeto, momento y selección.
Copiar frente a aprender
Las dos prácticas coexisten. Una misma persona puede pedir una explicación en una tarea y copiar una respuesta en otra.
Reglas frente a conocimiento
Establecer límites indica preocupación o intención educativa. No demuestra que el adulto conozca la conducta concreta del menor.
Jóvenes, apoyos y entornos que no son intercambiables
Los estudios reunidos hablan de edades y situaciones distintas. No conviene trasladar sin más una relación entre menores y familias a jóvenes que viajan, participan en un intercambio o viven lejos del hogar.
Voz y experiencia juvenil
Qué hacen los jóvenes, qué significado le dan, qué les ayuda, qué rechazan y qué efectos perciben en su aprendizaje, sus relaciones y su participación.
Apoyos cercanos
Familias en algunos casos; también amistades, compañeros, facilitadores, trabajadores juveniles, docentes y organizaciones de acogida.
Lectura institucional
Lo que centros, entidades, plataformas y administraciones creen que ocurre, regulan o deciden. Es otra perspectiva, no un sustituto de la voz juvenil.
La distancia entre jóvenes y adultos no es una hipótesis única
Puede ser importante en un hogar o en un aula y secundaria en un intercambio europeo. Depende de la edad, la autonomía, el lugar donde vive la persona y quién tiene capacidad real para acompañar o decidir.
Lo que sí aporta la evidencia actual
- El uso y sus finalidades cambian mucho con la edad.
- Jóvenes, familias y docentes no siempre describen del mismo modo el conocimiento y el apoyo disponibles.
- Los adultos tampoco forman un grupo único: tienen funciones, experiencias y márgenes de actuación distintos.
- Las funciones integradas pueden influir sin ser reconocidas como inteligencia artificial.
Lo que no autoriza a concluir
- Que los adultos desconocen de forma general lo que hacen los jóvenes.
- Que conocer el uso dentro de una familia sea el centro adecuado para Erasmus+ Youth.
- Que los resultados obtenidos con niños de ocho a doce años describan a participantes jóvenes más autónomos.
- Que investigar sobre jóvenes equivalga a haberlos escuchado o incorporado al proceso.
Cuatro ángulos que el material deja abiertos
No son un método ni una lista de tareas para el seminario. Sirven para leer las fuentes sin reducir a los jóvenes a menores dentro de una familia.
Partir de la experiencia
Qué usos, necesidades, límites y contradicciones reconocen los propios jóvenes, sin convertir la interpretación adulta en medida de referencia.
Mirar dónde viven y se mueven
Viajar, estudiar o residir lejos del hogar cambia quién acompaña, a quién se pide ayuda y dónde aparecen las decisiones que afectan a la persona.
Observar redes, no solo parejas
Amistades, grupos, facilitadores, profesionales y comunidades pueden pesar más que la familia en determinados momentos y contextos.
Distinguir apoyo, norma y poder
Una persona puede acompañar sin decidir; una organización o plataforma puede decidir sin conocer bien la experiencia del joven.
El entorno relevante cambia con la situación
Este mapa no asigna responsabilidades fijas. Evita que la palabra adulto o la palabra joven oculten relaciones muy diferentes.
| Situación | Voz principal | Apoyos posibles | Quién puede condicionar |
|---|---|---|---|
| Vida en el hogar | Joven | Familia, amistades, centro educativo | Familia, centro, plataformas |
| Movilidad Erasmus+ | Participante | Pares, facilitadores, coordinadores, entidad de acogida | Organizaciones, programa, plataformas y normas locales |
| Primeras experiencias laborales | Joven trabajador | Compañeros, tutores, redes profesionales | Empresa, clientes, herramientas y mercado laboral |
| Comunidades en línea | Persona usuaria | Pares, moderadores, redes de confianza | Plataformas, sistemas de recomendación y normas del grupo |
Menores en el hogar
Los pares niño-cuidador ayudan a estudiar algunas relaciones familiares. Son una pieza válida dentro de un problema concreto.
Jóvenes en movilidad
La familia puede seguir siendo importante, pero deja de ser el único entorno inmediato. Las fuentes reunidas apenas cubren esta situación.
Trabajo juvenil
Los profesionales pueden acompañar, facilitar o mediar sin ocupar el lugar de la experiencia y la decisión de los participantes.
Qué papel conserva la comparación entre jóvenes y adultos
Sigue siendo útil cuando la pregunta trata sobre acompañamiento, educación, normas o decisiones institucionales. Deja de ser útil si convierte a todos los jóvenes en menores dependientes o si desplaza el foco desde su experiencia hacia lo que otras personas creen saber de ellos.
Costes y transiciones: qué ocurre después de adoptar
El tiempo ahorrado, el empleo transformado y la infraestructura consumida no se reparten solos. Para estudiarlos hay que seguir tareas, personas, organizaciones y territorios.
Exposición no significa sustitución
La OIT estima exposición potencial a partir de las tareas que componen cada ocupación. Sirve como señal temprana, pero no predice por sí sola despidos, salarios, adopción real ni calidad del empleo.
Dos preguntas que suelen quedar fuera
¿Quién recibe el tiempo y la productividad que libera la automatización?
¿Quién paga el coste y dispone del tiempo necesario para aprender, cambiar de tarea o reconstruir una capacidad perdida?
Empleos con alguna exposición potencial
Estimación mundial de la OIT en 2025. La transformación de tareas es más probable que la automatización completa.
Tareas analizadas
La metodología OIT y NASK evalúa 436 ocupaciones detalladas. Mirar tareas permite evitar titulares sobre profesiones enteras.
Empresas españolas que ya usan IA
Encuesta del Banco de España publicada en 2025. En la mayoría, la adopción seguía en fase experimental.
Un cuadro de mando para la transición
No basta con contar cuántos puestos existen antes y después. Estas seis familias de indicadores permiten ver quién gana tiempo, quién asume el coste y dónde se pierde capacidad.
Qué cambia dentro del puesto
Horas por tarea, grado de automatización, intensidad, autonomía y capacidad humana real de veto.
Dónde nace la experiencia
Puestos júnior, prácticas, rotaciones, tareas de aprendizaje, tutoría y progresión hacia funciones expertas.
Cuánto dura adaptarse
Horas de formación pagada, tiempo hasta una nueva función, desempleo, pérdida de ingresos y conciliación durante el cambio.
Quién recibe la productividad
Beneficio, salarios, jornada, precios, plantilla y parte reinvertida en formación o protección de la transición.
Qué capacidad permanece
Memoria operativa, conocimiento interno, dependencia del proveedor, portabilidad y tiempo o coste de abandonar una herramienta.
Dónde se concentra el cambio
Sector, ocupación, edad, género, cualificación, oferta formativa, movilidad y demanda de reemplazo por región.
La parte material también crece
La AIE estima que el consumo eléctrico mundial de los centros de datos pasará de 485 teravatios hora en 2025 a unos 950 en 2030. Son centros de datos en conjunto, no únicamente IA, aunque los centros orientados a IA crecerían mucho más rápido.
2030 es una proyección central sujeta a eficiencia, adopción, capacidad eléctrica y evolución de los modelos. Fuente: AIE, 2026.
Qué puede medirse sin inventar una cifra por consulta
- PUE: energía total del centro respecto a la usada por sus equipos informáticos.
- WUE: agua utilizada respecto a la energía de los equipos informáticos.
- ERF: proporción de energía residual reutilizada fuera del centro.
- REF: proporción de energía renovable.
- Todavía falta: asignación por modelo o tarea, emisiones incorporadas y vida útil del hardware.
Cuatro visualizaciones que ya aportan datos
No responden la misma pregunta y no deben mezclarse en una clasificación única. Cada enlace conserva su unidad, población y advertencia.
Mapa de IA generativa de Eurostat
Compara países de la Unión Europea en 2025. Población de 16 a 74 años y uso declarado durante los tres meses anteriores; no es un mapa de menores.
Abrir mapa de EurostatVisualización interactiva de la OIT
Permite explorar exposición potencial por ocupación y variabilidad entre tareas. No representa empleos que desaparecerán.
Abrir visualización de la OITSkills Forecast de Cedefop
Proyecciones armonizadas hasta 2035 y demanda de reemplazo. Sirve para contexto territorial, no para atribuir cada cambio a la IA.
Abrir herramienta de CedefopPanel de centros de datos de la UE
Presenta información agregada del esquema europeo sobre energía, agua y sostenibilidad de centros de datos.
Abrir panel europeoLa conexión con los artículos 09 y 10 de CO-ZONE es conceptual. Aportan preguntas sobre dependencia, memoria operativa, reparto del tiempo, adaptación y aprendizaje profesional. Las cifras de esta pestaña proceden de las fuentes enlazadas, no de esos borradores.
Lo que estas fuentes no cubren bien
Este mapa señala límites del material reunido. No establece la agenda de investigación ni la metodología del seminario.
Movilidad y autonomía juvenil
Experiencias de jóvenes que viajan, estudian o viven fuera del hogar y construyen otras redes de apoyo.
Trabajo juvenil y organizaciones
Necesidades y prácticas de facilitadores, entidades de acogida y profesionales que trabajan con jóvenes y comunidades.
Conducta próxima al uso
La mayoría de las fuentes recoge lo que las personas recuerdan y declaran, no lo que ocurrió durante una tarea concreta.
Aprendizaje que permanece
Hay más datos sobre frecuencia y percepción que sobre capacidades que se mantienen cuando la ayuda desaparece.
IA integrada e invisible
Buscadores, redes, juegos, mensajería y editores donde la IA no aparece como aplicación separada.
Edad y desigualdad
Ruralidad, discapacidad, origen, recursos, tipo de organización y diferencias entre etapas de autonomía.
Relaciones y comunidad
Consejo, compañía, aislamiento, participación y cambios en los vínculos fuera del contexto estrictamente escolar.
Preguntas que podrían ponerse sobre la mesa
Son puertas de entrada posibles, no un cuestionario ni una secuencia obligatoria.
- Experiencia.
¿Qué entienden los jóvenes por una inteligencia artificial que les ayuda, les condiciona o no necesitan? - Relaciones.
¿Qué cambia en sus vínculos, su participación y su manera de pedir o prestar apoyo? - Trabajo juvenil.
¿Qué están viendo los profesionales y qué necesitarían para acompañar sin sustituir la voz de los participantes? - Diversidad europea.
¿Qué cambia entre países, comunidades, edades, situaciones de movilidad y grados de autonomía?
Glosario para hablar de lo mismo
Las definiciones evitan mezclar inteligencia artificial, chatbots, funciones integradas, autoinforme y conducta observada.
42 definiciones visibles
1. Qué estamos llamando inteligencia artificial
- Inteligencia artificial
- Nombre amplio para sistemas que reconocen patrones, clasifican, predicen, recomiendan o generan contenido. No toda IA es generativa.
- Inteligencia artificial generativa
- Sistemas capaces de producir texto, imágenes, audio, vídeo o código a partir de instrucciones y patrones aprendidos.
- Chatbot de inteligencia artificial
- Programa que mantiene una conversación y genera respuestas en tiempo real. Puede ser independiente o estar integrado en otra plataforma.
- Modelo de lenguaje
- Sistema entrenado con grandes cantidades de texto para predecir y generar lenguaje. Puede sonar convincente sin saber si algo es verdad.
- Asistente integrado
- Función incluida en un buscador, red social, aplicación educativa, editor o mensajería. Puede usarse sin identificarla como una IA separada.
- Sistema de recomendación
- Sistema que ordena o selecciona contenidos, productos, contactos o acciones. Puede influir en lo que un menor encuentra sin que el menor le formule una petición.
- Inteligencia artificial multimodal
- Sistema capaz de trabajar con más de un tipo de información, como texto, imagen, audio o vídeo. Describe entradas y salidas, no apertura, seguridad ni especialización.
- Inteligencia artificial de propósito general
- Modelo capaz de realizar tareas variadas y de integrarse en aplicaciones diferentes. No equivale a una inteligencia capaz de hacer cualquier cosa.
- Inteligencia artificial especializada o vertical
- Sistema diseñado o adaptado para un dominio o tarea concreta, como medicina, derecho, educación, industria o investigación científica.
- Inteligencia artificial de frontera
- Expresión para modelos de propósito general especialmente capaces y próximos al nivel más avanzado del momento. Es una categoría móvil de capacidad, no un sector.
- Agente de inteligencia artificial
- Sistema que puede planificar y encadenar pasos, utilizar herramientas y actuar con cierto grado de autonomía. Su riesgo depende de qué puede hacer y con qué supervisión.
- Copiloto
- Asistente integrado en una tarea humana que propone, completa o modifica contenido mientras la persona conserva el mando inmediato del proceso.
- Agente persistente
- Agente que mantiene estado o vuelve a actuar a partir de eventos, horarios o cambios del entorno. Persistencia no significa autonomía ilimitada.
- Sistema multiagente
- Conjunto de agentes o componentes con funciones diferentes que se reparten tareas, intercambian resultados o se revisan. Añade coordinación, pero no garantiza más calidad.
2. Apertura, control y funcionamiento
- Script
- Secuencia de instrucciones que un ordenador ejecuta para realizar una tarea definida. Puede automatizar mucho trabajo sin aprender, interpretar ni necesitar un modelo de inteligencia artificial.
- Automatización o flujo de trabajo
- Cadena de reglas, pasos y aplicaciones activada por una orden, un horario o un evento. Puede incluir inteligencia artificial, pero no la necesita obligatoriamente.
- Ejecución en la nube
- El cálculo se realiza en servidores remotos a los que se accede mediante internet. Describe dónde funciona el sistema, no qué puede hacer ni sobre qué entorno puede actuar.
- Sistema híbrido
- Sistema que reparte el trabajo entre un dispositivo local y servicios remotos. Puede conservar algunas tareas o datos localmente y enviar otras partes a la nube.
- Inteligencia artificial de código abierto
- Sistema con libertades efectivas para usarlo, estudiarlo, modificarlo y compartirlo, junto con los elementos necesarios para ejercerlas. Los pesos finales por sí solos no bastan según la Open Source Initiative.
- Modelo con pesos abiertos
- Modelo cuyos parámetros entrenados pueden descargarse bajo determinadas condiciones. No revela necesariamente los datos, el código y el proceso completo de entrenamiento.
- Modelo local
- Modelo que se ejecuta en un dispositivo o infraestructura controlada por quien lo usa. Local describe dónde funciona; no garantiza apertura, privacidad, seguridad ni calidad.
- Salvaguardas
- Medidas que limitan o supervisan usos y respuestas. Pueden estar en el modelo, las instrucciones del sistema, la interfaz o filtros externos. Sin censura suele ser una etiqueta imprecisa para salvaguardas reducidas.
- Aprendizaje por refuerzo con retroalimentación humana
- Método de ajuste que utiliza valoraciones humanas para orientar el comportamiento del modelo. Es una técnica de entrenamiento, no un tipo de aplicación.
- Conocimiento paramétrico o congelado
- Información aprendida en el entrenamiento y almacenada de forma implícita en los parámetros. Queda limitada por los datos y la fecha de ese proceso hasta que se actualiza o consulta fuentes externas.
- Generación aumentada por recuperación
- Enfoque conocido como RAG que combina un modelo generativo con documentos o bases externas. Puede aportar actualidad y procedencia, pero no garantiza una respuesta correcta.
3. Cómo sabemos lo que sabemos
- Uso declarado
- Lo que una persona cuenta sobre su propio comportamiento en una encuesta, entrevista o diario.
- Uso observado o registrado
- Conducta recogida mediante observación, registros de actividad o datos de plataforma. Es una fuente distinta del autoinforme y no equivale por sí sola a la experiencia completa de la persona.
- Autoinforme
- Información que una persona da sobre sí misma. Puede verse afectada por memoria, interpretación o deseabilidad social.
- Preguntas espejo
- Preguntas equivalentes formuladas a dos personas vinculadas sobre la misma conducta y el mismo periodo.
- Díada o par vinculado
- Dos participantes relacionados cuyas respuestas pueden compararse, como un hijo y su madre.
- Prevalencia
- Proporción de una población que presenta una conducta o característica durante un periodo definido.
- Ventana temporal
- Periodo al que se refiere una pregunta. Alguna vez, siete días, un mes y tres meses no son medidas equivalentes.
- Muestra representativa
- Muestra seleccionada y ponderada para estimar resultados de una población definida. El tamaño grande no basta por sí solo.
4. Aprendizaje y uso crítico
- Descarga cognitiva
- Delegación de esfuerzo mental en una herramienta externa. Su efecto depende de la tarea, la forma de uso y lo que queda cuando la ayuda desaparece.
- Transferencia del aprendizaje
- Capacidad de aplicar lo aprendido en una situación nueva o resolver una tarea sin la ayuda usada durante el aprendizaje.
- Alucinación
- Respuesta generada que parece plausible pero contiene información falsa, inventada o no respaldada.
- Alfabetización crítica en IA
- Capacidad para entender límites, contrastar respuestas, declarar usos y saber cuándo conviene pedir ayuda humana.
5. Trabajo, transición y sostenibilidad
- Exposición ocupacional a la IA
- Estimación de qué parte de las tareas de una ocupación podría verse afectada por una tecnología. No es una predicción directa de despidos ni de adopción real.
- Coste de transición
- Tiempo, ingresos, formación, movilidad y otros recursos necesarios para que una persona, organización o territorio se adapte a un cambio tecnológico.
- Recualificación
- Aprendizaje orientado a desempeñar tareas o funciones sustancialmente diferentes. Importa quién lo financia, si ocurre durante tiempo pagado y qué empleo existe después.
- PUE
- Indicador de eficiencia energética de un centro de datos. Compara toda la energía consumida por el centro con la utilizada por sus equipos informáticos.
- WUE
- Indicador de eficiencia en el uso del agua de un centro de datos. Relaciona el agua utilizada con la energía consumida por sus equipos informáticos.
Fuentes de evidencia y del marco
Treinta fuentes sostienen las cifras, distinciones, marcos y enlaces de datos del prototipo. Los cuatro archivos originales permanecen intactos.
- EU Kids Online España 2026
Menores de 9 a 16 años, actividades del último mes y comparación europea.
- PISA 2025, España
Chatbots de IA en tareas escolares de estudiantes de unos 15 años.
- INE, encuesta TIC 2025
Uso oficial de IA generativa entre 16 y 74 años, con tramo de 16 a 24.
- TALIS 2024, España
Uso de IA y preparación declarada por profesorado de secundaria inferior.
- Empantallados y GAD3 2025
Adolescentes, padres y docentes en tres muestras no emparejadas.
- Alan Turing Institute 2025
Setecientos ochenta pares de niños y cuidadores en Reino Unido.
- Ofcom 2025 a 2026
Uso de IA, medios, confianza y capacidad crítica entre menores británicos.
- National Literacy Trust 2026
Alfabetización, copia, verificación, docentes y familias.
- Internet Matters 2025
Chatbots, consejo, compañía y conversaciones familiares.
- JIM 2025
Uso de aplicaciones de IA entre jóvenes alemanes de 12 a 19 años.
- Eurostat 2025
Uso armonizado de IA generativa entre personas de 16 a 24 años en la Unión Europea.
- OCDE, clasificación de sistemas de IA
Cinco dimensiones para distinguir contexto, datos, modelo, tarea, resultado e impacto.
- Open Source AI Definition 1.0
Diferencia entre libertades de código abierto y la mera disponibilidad de pesos.
- NIST, perfil de IA generativa
La generación abarca texto, imagen, vídeo, audio y otros contenidos digitales.
- UNICEF, Guidance on AI and Children 3.0
Derechos de los menores ante sistemas que usan y ante sistemas que les afectan.
- Comisión Europea, menores y DSA
Recomendaciones sobre sistemas de recomendación, diseño persuasivo y chatbots integrados.
- Reglamento europeo de Inteligencia Artificial
Usos de alto riesgo y prohibiciones que muestran por qué importa la IA aplicada sobre personas.
- International AI Safety Report 2026
Marco actualizado para modelos de propósito general especialmente capaces y riesgos de frontera.
- Estrategia europea de IA en la ciencia
Usos en todo el proceso científico, desde revisión y análisis hasta automatización de laboratorio.
- Ouyang y otros, aprendizaje con retroalimentación humana
Trabajo primario que permite situar RLHF como método de ajuste.
- Lewis y otros, generación aumentada por recuperación
Trabajo primario que distingue conocimiento paramétrico y memoria externa consultable.
- OIT y NASK, IA generativa y empleo 2025
Índice mundial de exposición potencial construido desde tareas y ocupaciones. Distingue transformación de automatización completa.
- OIT, qué dicen y qué no dicen los indicadores de exposición
Advierte que la exposición es una señal temprana y debe combinarse con empleo, salarios, transiciones y adopción real.
- Eurostat, mapa europeo de uso de IA generativa
Mapa y conjunto de datos armonizado para personas de 16 a 74 años durante 2025. No describe por sí solo a menores.
- Eurostat, estadísticas de aprendizaje adulto
Participación, horas, obstáculos y formación financiada por empleadores. Sus periodos de cuatro semanas y doce meses no son equivalentes.
- Banco de España, adopción de IA en empresas españolas
Encuesta empresarial sobre adopción, usos, obstáculos y expectativas de empleo durante una fase todavía principalmente experimental.
- Cedefop Skills Forecast
Proyecciones armonizadas por país, sector, ocupación, edad y cualificación, incluida la demanda de reemplazo hasta 2035.
- Agencia Internacional de la Energía, energía e IA 2026
Datos y proyecciones actualizados sobre electricidad de centros de datos y crecimiento específico de infraestructuras orientadas a IA.
- Comisión Europea, rendimiento energético de centros de datos
Acceso al esquema europeo, la base de datos y el panel agregado de energía, agua y sostenibilidad.
- Reglamento Delegado UE 2024/1364
Define indicadores y métodos comunes para energía, agua, calor reutilizado y energía renovable de centros de datos.
Material de partida
Claude aportó la clasificación metodológica y el mapa de lagunas. Perplexity amplió la evidencia europea y las fuentes sobre chatbots, familias y alfabetización. Gemini aportó la idea de una lectura visual y un glosario común. La investigación X aportó la formulación más prudente de la hipótesis y el estudio emparejado que la matiza.
El remix no conserva las afirmaciones tajantes de Gemini sobre daño cognitivo general ni su veredicto de hipótesis confirmada, porque excedían la evidencia revisada.
La relación con el proyecto europeo se ha construido a partir del documento de trabajo del 19 de agosto de 2026. Ese documento aporta contexto al prototipo, pero no forma parte de las treinta fuentes utilizadas para sostener las cifras y distinciones.
Los borradores de los artículos 09 y 10 de CO-ZONE aportaron preguntas sobre memoria operativa, dependencia, tareas, aprendizaje profesional, reparto del tiempo y transición. Se utilizaron como marco editorial, no como fuentes de datos.