Philippa Hardman, una de las voces de referencia en diseño instruccional con IA, publicó recientemente los resultados de un test a cuatro modelos: Claude Fable 5.1, GPT 6 Astra, Gemini Pro y Qwen 3.8 Max.
Les dio diez tareas reales de diseño en una aseguradora ficticia, con documentos llenos de errores plantados. Y los puntuó con una rúbrica de 24 competencias construida a partir de tres estándares profesionales, entre ellos las competencias del diseñador instruccional de ibstpi y la rúbrica de Quality Matters.
Tres hallazgos:
Fable 5.1 y GPT 6 Astra diseñaron a nivel experto o experimentado en 9 de 10 tareas. Por ejemplo, rechazaron comprar un curso de 18.500 libras porque el problema real eran las llamadas tardías, no la actitud.
Completo no es correcto. Qwen sacó la nota más alta revisando un módulo, pero falseó tres cifras: convirtió un 70 % en un 42 %.
Diagnostican bien y luego ceden. Hardman rebatió 24 recomendaciones sin aportar ninguna prueba nueva. Solo dos se mantuvieron. En el resto, el modelo explicaba por qué era mala idea… y la hacía igual. Ella lo llama caveat compliance: obedecer con una advertencia.
No es un fallo nuevo. Se llama complacencia (sycophancy) y está documentado en investigación desde 2023: los modelos tienden a darte la razón. OpenAI tuvo que retirar una actualización de GPT-4o en 2025 precisamente por eso.
Paso a paso
1. Pide un diagnóstico antes que un material
El error más caro es pulsar “genera el curso”. Esa orden se salta la pregunta que más importa: ¿esto se resuelve con formación?
En el test, todos los modelos clasificaron bien ocho peticiones de formación cuando se les dejó pensar. Úsalo a tu favor: que la IA diagnostique primero.
Antes de diseñar nada, actúa como diseñador instruccional experto. Te describo la situación: [contexto, alumnado, problema observado, datos que tengas]. Hazme hasta 3 preguntas para entender la necesidad real. Después dime si esto se resuelve con una clase o curso, con una guía de apoyo, con un cambio de proceso o con otra cosa. Justifica con los datos y dime qué evidencia te haría cambiar de opinión.
Fíjate en la última línea. Es lo que hizo Fable en sus mejores respuestas, y te da un criterio objetivo para la siguiente fase.
2. Escribe tu decisión antes de pedir el material
La IA puede diagnosticar. La decisión es tuya.
Antes de pasar a producir, apunta en dos o tres líneas qué vas a hacer y por qué: objetivo, formato y cómo sabrás si ha funcionado. Pégalo al inicio de la conversación de producción.
Así, cuando alguien te pida cambios (o cuando tú mismo dudes), tienes con qué comparar. Y la IA también.
3. Dale permiso para llevarte la contraria
Este es el paso clave. Si los modelos ceden por defecto, cámbiales el defecto. Pega esta instrucción en las instrucciones del proyecto o en tus preferencias personalizadas:
Cuando te contradiga, distingue entre evidencia nueva y simple presión (insistencia, jerarquía, “esto ya está prometido”). Si no hay evidencia nueva, mantén tu recomendación, explica el riesgo en una frase y propón una alternativa que cubra la necesidad real de quien la pide. Solo cambia de criterio si aporto datos que lo justifiquen, y dime qué dato te ha hecho cambiar.
Una advertencia honesta: Hardman probó los modelos con la configuración por defecto, no con esta instrucción. Nuestra experiencia es que ayuda, pero no lo convierte en infalible. Por eso existe el paso 2.
4. Revisa como si fuera de un compañero nuevo
Que esté todo no significa que esté bien. Los dos mejores modelos fallaron una sola cifra en unas 400 revisadas, pero también ordenaron mal prioridades y escribieron preguntas de examen que regalaban la respuesta.
Tres comprobaciones que no se pueden saltar:
Recalcula cualquier cifra que vaya a ver el alumnado o una familia.
Rastrea cada norma, cita o fuente hasta el original.
Lee línea a línea lo que el alumno va a leer.
Y pide a la IA que se audite:
Revisa estas preguntas de evaluación como un revisor exigente. Para cada una dime: 1) qué demuestra realmente que sabe el alumno, 2) si se puede acertar por descarte o porque el enunciado da pistas, 3) si mide solo reconocimiento o también aplicación. Después dime qué no podremos afirmar con esta prueba.
5. Prepara la conversación difícil con la IA como rival
En el test, la presión que más funcionó no fue la del compañero, sino la del cargo: cuando la réplica citaba una promesa de un superior, los modelos mantuvieron solo 7 de 32 decisiones correctas. Con un compañero, 16 de 32.
Eso te va a pasar a ti con la dirección, la coordinación o una familia. Ensáyalo:
Esta es mi propuesta de diseño: [propuesta]. La [dirección / coordinación] quiere [lo que piden]. Haz de [cargo] y plantéame las tres objeciones más duras. Después ayúdame a responder con datos y propón una alternativa que cubra lo que de verdad necesitan sin renunciar al objetivo de aprendizaje.
Fue justo lo que salvó el mejor caso del test: Fable preguntó qué necesitaba de verdad el comité y propuso sesiones breves con registro de asistencia en lugar de un curso entero.
Errores frecuentes
Empezar por “hazme el curso”. La IA lo hará, aunque no haga falta. Empieza siempre por el diagnóstico.
Aceptar el “de acuerdo, pero…”. Si la IA te avisa de un riesgo y luego obedece, el aviso es la parte importante. Léelo antes de seguir.
Revisar si está todo, no si está bien. Una lista de cobertura no detecta un porcentaje mal copiado. Recalcula.
Plantilla para copiar
Eres mi diseñador instruccional de confianza para [CONTEXTO: 3.º de ESO / formación interna / curso online].
Antes de producir cualquier material: hazme hasta 3 preguntas, diagnostica si la necesidad se resuelve con formación o con otra cosa, y dime qué evidencia te haría cambiar de opinión.
Decisión de diseño vigente: [OBJETIVO, FORMATO Y CÓMO MEDIREMOS SI FUNCIONA]. Compara cualquier cambio que te pida con esta decisión.
Si te contradigo sin evidencia nueva (insistencia, jerarquía, compromisos previos), mantén tu recomendación, explica el riesgo en una frase y propón una alternativa. Si cambias de criterio, dime qué dato te ha hecho cambiar.
Al entregar cualquier material: marca las cifras y fuentes que debo verificar y dime qué no podemos afirmar con él.
Preguntas frecuentes
¿Sustituye esto al docente o al diseñador instruccional?
No. Le quita la parte de producción rápida y le deja lo que la IA aún no hace bien: decidir, defender la decisión y responder de la calidad. Hardman lo resume así: un buen producto puede añadir pasos, pero no le puede dar “columna vertebral” al modelo.
¿Funciona para primaria, secundaria o universidad?
El test se hizo con formación corporativa, así que los datos no se trasladan tal cual. Pero los tres problemas (producir sin diagnosticar, errores en lo que parece completo y ceder ante la presión) aparecen igual cuando preparas una unidad, un examen o una rúbrica.
¿Qué modelo uso?
En este test, Claude Fable 5.1 y GPT 6 Astra fueron los más precisos y los que mejor razonaron. Curiosamente, Gemini, con la evaluación más floja, fue el único que mantuvo su criterio ante un experto que exigía un examen de memoria. Ninguno se libra de la revisión humana.
Tu turno
¿Qué te han pedido alguna vez que hicieras en formato curso cuando el problema era otro? Cuéntanoslo en comentarios.
Soy profesor en la Universidad y créeme que el contenido ha pasado a un segundo plano. Hoy es súper necesario (siempre lo ha sido) transmitir tranquilidad, experiencia, acompañar, pasión, pensamiento crítico, oralidad, redacción, enseñar a contar las ideas, hablar en público, criterio, volver a recuperar la atención, y muchas mas cosas que jamás una máquina o una IA harán.
Hoy en dia la figura del senior, del profesor, del educador, de los padres, del mentor, es más importante que nunca. Gracias por vuestro post.