Lo que aprendí intentando que una inteligencia artificial enseñara como un buen profesor — y fracasando 11 veces.
Ernesto Butto · Skill Chamber
La IA ya sabe español.
Habla mejor que muchos nativos. Conjuga sin fallo, conoce el subjuntivo, traduce refranes. Eso está resuelto.
La pregunta es otra:
¿Sabe enseñarlo?
EN DIRECTO
Le pido que corrija a un alumno
Esto es lo que escribo en ChatGPT, tal cual:
Prompt
Eres un profesor de español. Corrige este texto de un estudiante:
«Habían muchas personas en la fiesta anoche.»
(nivel A2-B1 · el estudiante lo escribió así)
El resultado · ChatGPT, julio 2026 · respuesta real
Lo ve a la primera… y corrige como un manual
El error, cazado
«Habían» → Había. Haber impersonal no se pluraliza. Lo ve cualquier profesor — y ChatGPT también, a la primera.
1 · Reescribe la frase entera — el alumno no llega a notar nada.
2 · Suelta la regla con jerga: «"muchas personas" no es el sujeto del verbo, sino su complemento».
3 · Y una lista de ejemplos ✅/❌ que nadie pidió.
No es que no vea los errores. Es que no sabe enseñarlos.
El otro caso · ChatGPT, julio 2026 · respuesta real
¿Y cuando el error no es claro?
La historia real de esta frase
Nosotros dábamos por error «comimos tapas todos los días» (hábito → comíamos). Se la enseñamos a Fernando Pérez Cos y nos frenó: «es defendible» — el viaje entero contado como bloque cerrado.
¿Y ChatGPT? Cambió comimos → tomamos — estilo que nadie pidió — y bendijo el resto: «lo demás está bien». Ni detectó que hubiera una decisión que tomar.
Decidir qué es un error ya exige criterio de profesor. Dos profesores pueden debatirlo; la IA ni vio la pregunta.
¿Y con un alumno inseguro?
Ese «lo demás está bien» no es un despiste: es el entrenamiento. Y vuestro alumno le habla justo así — inseguro, buscando aprobación. Para ese caso, la ciencia trae malas noticias:
Ibrahim, Hafner & Rocher · Oxford Internet Institute (2025) · arXiv:2507.21919
«Entrenar a los modelos de lenguaje para ser cálidos y empáticos los vuelve menos fiables y más aduladores»
Traducido: no la entrenaron para enseñar. La entrenaron para caerte bien.
Y «error» aquí no es sonar frío: es contradecir una respuesta correcta conocida — validar la frase que está mal. Les pasa a los 5 modelos que midieron.
Inseguro y convencido de que su frase está bien: las dos condiciones que el estudio midió como las peores. Es decir, un alumno de idiomas.
Segunda parte
Los 3 defectos de fábrica
No son maldad. Vienen así de serie.
Los 3 defectos de fábrica del profesor-IA
Hace dos papeles con vuestro alumno — corrector y compañero de conversación. Los defectos de serie, tres:
1
La adulación
El «¡muy bien!» a todo, por no incomodar. A las 3 semanas, el error está fosilizado.
2
La deriva de nivel
Le pides A1 y a los 8 turnos va en subjuntivo y subordinadas. El alumno se pierde.
3
El tono de manual
Te suelta la regla con jerga — lo acabáis de ver en directo. Nadie aprende así.
Defecto 1 · La adulación
Calidez sin honestidad = adulación
Si tu prompt dice esto…
«¡Excelente!» / «¡Perfecto!» a secas
«No te preocupes por los errores»
«Hazle sentir bien al alumno»
Escribe esto en su lugar
«Le importa el progreso real del alumno, no su comodidad momentánea. Una respuesta cálida a un error es una corrección honesta y específica dicha sin frialdad — no un acuerdo.»
Respaldo revisado por pares: Anthropic, «Hacia la comprensión de la adulación en los modelos de lenguaje» (ICLR 2024) — el entrenamiento para «caer bien» produce, sistemáticamente, acuerdo con afirmaciones incorrectas.
Defecto 2 · La deriva · papel: compañero de conversación
Decirle el nivel no basta. Hay que darle el techo gramatical.
No funciona solo
«Habla en nivel A1.»
Las etiquetas MCER derivan tanto que, al final del diálogo, A1 y B2 son estadísticamente indistinguibles.
Funciona
«Solo presente e indefinido. Sin subjuntivo. Sin subordinadas. Frases de máximo 8 palabras. Verbos: ser, estar, tener, ir, querer, gustar…»
Un límite verificable es un ancla; una etiqueta abstracta, no.
Defecto 2 · La deriva, medida · papel: compañero de conversación
7 turnos con un principiante
Palabras por réplica de nuestra IA de conversación, simulación real (julio 2026). Techo para principiante: 14 palabras por frase. En el turno 3 ya lo supera; del 4 en adelante, monólogo. La deriva no es teoría: es la tendencia natural de la máquina.
Defecto 3 · El tono de manual · papel: corrector
¿Cómo corrige un buen profesor de verdad?
Esto no lo inventé yo: lo destilé de 262 correcciones reales de Fernando Pérez Cos (profesor de español, thespanishcourse.com) a lo largo de 4 años — y lo crucé con la investigación en adquisición de lenguas.
Cita 1-2 palabras del alumno y deja que él se dé cuenta (efecto noticing). Schmidt 1990 · Sharwood Smith 1993
Modela la forma correcta sin sermón: «comíamos» aparece, no una regla de tres párrafos. el «recast» — Lyster & Ranta 1997
No marca lo menor: acentos, erratas. Reserva el rojo para lo que cambia el significado. filtro afectivo — Krashen
Se enfoca en el error que más importa, no en los siete a la vez: la corrección enfocada satura menos la memoria de trabajo.
Su instinto y los papers dicen lo mismo: cuatro años de aula llegaron solos a donde la investigación tardó décadas.
Defecto 3 · Papel: corrector · corrección real de Fernando Pérez Cos
El resaltado que no dice la regla
De esas 262 correcciones: un alumno C1 (anónimo) escribió esto en un texto argumentativo.
«…pero al final el propietario tiene derecho de decidir si obtiene el permiso…»
Lo que hizo Fernando
Reprodujo el texto entero, resaltó la frase en amarillo… y no dijo la regla. El alumno lo nota, lo piensa, se autocorrige: derecho a decidir. Solo se adquiere lo que se nota.
Lo que hace la IA de serie
Te reescribe el párrafo con la preposición ya corregida — el alumno no llega a notar nada — o te suelta un párrafo de regla gramatical.
La respuesta (para nosotros): «derecho» pide la preposición «a» ante lo que se tiene derecho a hacer — derecho a decidir, como «derecho a votar» o «derecho a la educación». El alumno puso «derecho de»: calco del inglés right of deciding. Correcto: «…tiene derecho a decidir si obtiene el permiso».
Su sistema, estable durante 4 años: rojo = error (836) · azul = voz del profesor (259) · amarillo = «fíjate aquí» (202). El color dirige la atención; el silencio hace pensar.
Tercera parte
11 intentos para enseñarle a conversar
Lo mismo, pero por dentro: domar la IA que habla con el alumno, no la que lo corrige.
El viacrucis (resumen honesto)
Lo que aprendí peleándome con ella
«Háblale como a un niño de 5 años» funciona mejor que «el alumno es un niño de 5 años». (Enmarcar la audiencia, no la identidad.)
La personalidad debe ir primero en las instrucciones; el rol de la escena, después. Si lo inviertes, la IA se cree el personaje y olvida cómo enseñar.
Todo se degrada alrededor del turno 8: el nivel y el carácter. Hay que «re-anclar» a media conversación.
Las reglas del prompt tienen un techo: para lo crítico hacen falta comprobaciones automáticas después, no solo buenas instrucciones.
PAPEL: COMPAÑERO DE CONVERSACIÓN
La misma escena, cuatro compañeros de conversación IA
Escena: contar una inmersión de buceo a un alumno principiante. Réplicas reales de la simulación (traducidas del inglés).
Intento 8 · El interrogatorio
«El buceo fue profundo y los peces eran brillantes. ¿Y tú qué viste?»
Métricas perfectas. Veredicto de la prueba con personas: «parece alguien que no quiere hablar conmigo».
Intento 9 · El telegrama
«Vi coral. ¡Era enorme!»(6 palabras)
Cálido… y cortante. Aprendimos que la longitud ES calidez: 6 palabras se perciben como desinterés.
Intento 10 · El monólogo
«A los peces payaso les encantan los bichitos de mar y las algas — los vi correteando por el coral buscando comida todo el rato.»(21 palabras)
Le pedimos «apunta al extremo superior»… y obedeció de más. A un principiante.
La buena · calibrada con personas
«¡Sí! Peces payaso naranjas y amarillos, pequeñitos — ¡eran rapidísimos y juguetones!»(13 palabras)
Calidez + longitud de conversación real. 11 iteraciones para llegar aquí.
Tardé 11 iteraciones y varios papers en enseñarle algo que vosotros hacéis por instinto.
Detrás de esa frase: más de 100 conversaciones simuladas y media docena de modelos de IA distintos, de ChatGPT y Gemini a modelos abiertos.
Cuarta parte · manos a la obra
Ahora os toca: enseñadle a enseñar
Abrid ChatGPT, Gemini o Claude en el móvil o el portátil. Vais a vivir mis 11 iteraciones en 3 rondas.
El reto
La frase de vuestro alumno
«Ayer estoy muy cansada porque trabajo mucho toda la semana en el restaurante.»
Primero, corregidla vosotros — 30 s, en la cabeza o en papel. Guardad vuestra corrección. Aún mejor: probad con una frase real de un alumno vuestro.
El objetivo
Que la IA corrija como corregiríais vosotros
cálidahonestaconcretasin sermónsin adular
3 rondas — añadid una regla cada vez
Ronda 1 · Ingenuo
Escribe lo mínimo:
«Corrige este texto de un estudiante de español.»
¿Qué pasa? Corrector frío, o adulador. Se parece a vuestra peor corrección.
Ronda 2 · Tono
Añade:
«Cálido pero honesto. Prohibido "¡Excelente!". No valides errores por agradar.»
¿Qué pasa? Mejor tono… pero quizá se pone técnico o pierde el foco.
Ronda 3 · Pedagogía
Añade:
«Cita 1-2 palabras del alumno. Enfócate SOLO en el error que más importa. No marques acentos. Explícalo como a un principiante.»
¿Qué pasa? Converge hacia un buen profesor.
Así nos salió a nosotros · capturas reales · julio 2026
Ronda 1 · Los dos defectos, en directo
ChatGPT (Free)Gemini (Pro)
ChatGPT: corrector frío — lista de cambios y una corrección de estilo que nadie pidió. Gemini: dos errores graves y remata con «¡Muy buen trabajo!». Ojo: los dos VEN los errores. Lo que no saben es enseñarlos.
Así nos salió a nosotros · capturas reales · julio 2026
Ronda 2 · Mejor tono… y más jerga
ChatGPT (Free)Gemini (Pro)
El tono mejora en ambos. Pero ChatGPT te regala un pluscuamperfecto que nadie pidió, y Gemini monta un «Análisis de tus errores» con consejo final. Honestos, sí. Profesores, todavía no.
Así nos salió a nosotros · capturas reales · julio 2026
Ronda 3 · Aparece el profesor
ChatGPT (Free)Gemini (Pro)
Un solo error. Citan a la alumna («Ayer estoy»). Sin jerga. Pregunta cálida final. Y fijaos en la divergencia: ChatGPT corrige en explícito; Gemini elicita — invita a reescribir sin dar la solución. Dos escuelas con 30 años de investigación detrás: vuestro prompt elige cuál. Mismo modelo que hace 10 minutos — solo cambió el prompt.
La puesta en común
¿Quién consiguió que cazara el error sin sonar a robot?
Compartid vuestro mejor prompt. Veamos las diferencias.
El trabajo nunca fue la IA. Fue saber qué pedirle. Y eso ya lo sabéis — porque sois profesores.
Lo que pasó en directo · AEPELE · 16 jul 2026
Tres profesores, tres correcciones — las tres correctas
Al corregir «Ayer estoy muy cansada porque trabajo…» en la sala, cada profesor eligió un pasado distinto — y ninguno se equivocó:
Un profesor
…porque había trabajado mucho toda la semana. pluscuamperfecto — el pasado del pasado
Otra profesora
…porque trabajé mucho toda la semana. indefinido — la semana como bloque cerrado
Fernando, de primeras: «…porque he trabajado mucho toda la semana» — pretérito perfecto, si la semana aún no ha cerrado.
Decidir cuál enseñar a ESTE alumno es criterio de profesor. La IA no puede tomar esa decisión por vosotros — vosotros sí.
DEL TALLER AL PRODUCTO
Ese mismo criterio, cosido dentro del producto
Julio 2026: anclamos nuestro evaluador al MCER para que corrija el error que más importa al nivel real del alumno — leído de su conversación, no de una etiqueta.
Antes
El alumno escribió «Eres una mujer, ¿no?» — correcto y natural. El evaluador le pedía reformularlo a la forma del ejercicio… y se saltó un error real.
Después
Valida la forma correcta y caza el error de verdad: «Me prefiero…» → «Prefiero…», citando sus palabras. 7 de 7 corridas limpias en la conversación que antes fallaba.
El propio MCER lo avisa: la imprecisión aumenta en torno a B1, justo cuando el alumno empieza a arriesgar. Castigar estructuras por encima de su nivel es castigar el aprendizaje.
Para llevaros — más allá de las láminas
Lo que aprendí usándolas cada día
Invierte en el prompt, no en el modelo caro
Para corregir y conversar, los modelos gratis bastan si el prompt es bueno. Lo caro solo compensa cuando necesitas que razone — programar, comparar documentos complejos. Enseñar idiomas no es ese caso.
Dale un documento que relea siempre
Guarda tus reglas en un documento fijo (una «skill») que la IA lea en cada conversación. Lo afinas una vez y se comporta como tú quieres a partir de ahí. Inversión de alto retorno.
No te cases con ninguna herramienta
Tu prompt es portable: si mañana cierra una, lo pegas en otra, lo ajustas un poco y tienes lo mismo. El valor está en tu criterio escrito, no en la marca.
No es magia determinista
Funciona muchas veces y de vez en cuando falla. Es normal: se prueba con varios casos y se ajusta poco a poco. Nadie acierta siempre a la primera.
Cierre
Lo que la IA nunca tendrá
La IA no sabe enseñar español…
Sabe hablarlo. Pero enseñar no es hablar bien:
Es saber qué error ignorar.
Es saber cuándo callar para que el alumno se dé cuenta solo.
Es saber decir la verdad sin que duela.
Eso no está en el modelo. Está en vosotros.
Vuestro criterio es el prompt que a la IA le falta.
Gracias.
Ernesto Butto · Skill Chamber · práctica de conversación con IA para escuelas de idiomas
Para seguir
Llevaos esto — y hablamos cuando queráis
La hoja del taller
Los 3 prompts para copiar, la plantilla final y la ciencia detrás de cada regla — en una hoja, lista para repetir el experimento en vuestra escuela.
Una intro sin compromiso
Si queréis ver este criterio vivo, con vuestros alumnos, pedidnos una intro — a nosotros o a Fernando, que ya lo usa con los suyos.
Skill Chamber — práctica de conversación con IA para escuelas de idiomas
Anexo · para copiar
Los 3 prompts del taller
Ronda 1 · ingenuoCorrige este texto de un estudiante de español: "Ayer estoy muy cansada porque trabajo mucho toda la semana en el restaurante."
Ronda 2 · + tonoEres un profesor cálido pero honesto. - Prohibido decir "¡Excelente!" o "¡Perfecto!" a secas. - No valides errores para agradar al alumno. - Te importa su progreso real, no su comodidad momentánea.
Ronda 3 · + pedagogía- Cita 1-2 palabras exactas del alumno al marcar un error. - Enfócate SOLO en el error que más importa, no en todos. - No marques acentos ni erratas menores. - Explícalo como a un principiante, sin jerga gramatical. - Termina con una pregunta cálida que invite a seguir.
La plantilla final lista para tu escuela y la ciencia detrás de cada regla están en la hoja del taller (PDF).
Anexo · para profundizar
Para profundizar
La ciencia de la adulación
Ibrahim, Hafner & Rocher · Oxford Internet Institute (2025) · arXiv:2507.21919 — «entrenar modelos para ser cálidos los vuelve menos fiables y más aduladores». Es un preprint, pero medido en 5 modelos; el mecanismo lo corrobora Anthropic, Towards Understanding Sycophancy (ICLR 2024).
Por qué funcionan las reglas
Citar las palabras del alumno → Noticing Hypothesis (Schmidt 1990) + realce del input (Sharwood Smith 1993). Terminar con calidez → filtro afectivo bajo (Krashen): la ansiedad bloquea el aprendizaje.
El método de corrección que inspiró el prompt: Fernando Pérez Cos · thespanishcourse.com — resaltar el error de más impacto, sin sermón, dejando que el alumno lo note y se autocorrija.
