Inteligencia artificial en la práctica docente de los profesionales de enfermería: oportunidades, aplicaciones y desafíos

Resumen

La incorporación de la inteligencia artificial (IA) en la docencia en enfermería se está convirtiendo en una herramienta clave para responder a las crecientes exigencias de seguridad del paciente y excelencia asistencial. Este artículo examina el potencial de la IA para enriquecer la formación, subrayando la necesidad de que el estudiantado se familiarice con tecnologías ya arraigadas en la práctica clínica. Se abordan cinco ejes de aplicación: a) sistemas de tutoría inteligente que personalizan itinerarios y elevan el rendimiento académico; b) simulación clínica inmersiva con realidad virtual/aumentada, que potencia el razonamiento clínico y la comunicación interprofesional; c) evaluación y retroalimentación automatizadas, capaces de reducir drásticamente la carga docente sin comprometer la validez; d) diseño curricular adaptativo y generación ágil de recursos, que disminuyen vacíos competenciales y aceleran la producción didáctica, y e) herramientas de apoyo al profesorado, que liberan tiempo para mentorías de alto valor pedagógico.

Si bien estos desarrollos aportan personalización, eficiencia y fortalecimiento de competencias, su impacto sostenible exige afrontar retos éticos y operativos: brechas de alfabetización digital, sesgos algorítmicos, protección de datos y exigencias de transparencia impuestas por la regulación. El artículo concluye que la integración efectiva de la IA requiere un enfoque equilibrado que combine innovación tecnológica y reflexión pedagógica, alineado con los valores humanísticos de la enfermería. Se recomiendan programas permanentes de alfabetización en IA, marcos institucionales de gobernanza ética, inversión en infraestructuras inclusivas y agendas de investigación robustas que evalúen la transferencia real de competencias al entorno clínico.

Abstract

The incorporation of artificial intelligence (AI) into nursing education is becoming a key tool to respond to the growing demands for patient safety and excellence in care. This article examines the potential of AI to enrich training, highlighting the need for students to become familiar with technologies that are already embedded in clinical practice. Five areas of application are addressed: (i) intelligent tutoring systems that personalize learning pathways and enhance academic performance; (ii) immersive clinical simulation with virtual/augmented reality, which strengthens clinical reasoning and interprofessional communication; (iii) automated assessment and feedback, capable of drastically reducing faculty workload without compromising validity; (iv) adaptive curriculum design and agile resource generation, which lessen competency gaps and accelerate the development of teaching materials; and (v) tools to support faculty, freeing up time for high-pedagogical-value mentoring.

Although these developments contribute to personalization, efficiency, and the strengthening of competencies, their sustainable impact requires addressing ethical and operational challenges: digital literacy gaps, algorithmic bias, data protection, and transparency requirements imposed by regulation. The article concludes that the effective integration of AI calls for a balanced approach that combines technological innovation with pedagogical reflection and aligns with the humanistic values of nursing. Permanent AI literacy programs, institutional frameworks for ethical governance, investment in inclusive infrastructures, and robust research agendas that assess the real transfer of competencies to the clinical setting are recommended.

Introducción

Entre las tecnologías emergentes, la inteligencia artificial (IA) —definida como la tecnología con capacidad algorítmica para emular funciones cognitivas humanas como el razonamiento, el aprendizaje y la toma de decisiones— se perfila como la tecnología más disruptiva con una voluntad directa de transformar la asistencia sanitaria, la investigación y, de forma creciente, la docencia¹. En relación con esta última, su ecosistema sustentado en machine learning, deep learning y modelos generativos abarca chatbots, plataformas adaptativas que ajustan los contenidos en tiempo real, generadores de recursos visuales y pacientes virtuales gobernados por redes neuronales profundas, y capacidad para personalizar itinerarios y anticipar dificultades de aprendizaje². De hecho, en uno de los estudios incluidos en la revisión de Jiatian Ma et al.¹, el 42,2% de 204 estudiantes de enfermería declaró utilizar aplicaciones móviles con IA para repasar diagnósticos, recibir retroalimentación inmediata o practicar procedimientos complejos en entornos simulados¹.

La literatura reciente invita a entender sus bases científicas y sus fundamentos pedagógicos, y atribuye a la IA tres aportaciones a la formación enfermera: a) la personalización del aprendizaje, vía tutores inteligentes y algoritmos adaptativos que incrementan la motivación y favorecen el aprendizaje mediante retroalimentación personalizada e inmediata^3,4; b) la expansión de la simulación clínica, ya que la sinergia IA-realidad virtual/aumentada y los pacientes virtuales conversacionales generan escenarios realistas e inmersivos que refuerzan el razonamiento clínico y la práctica segura en entornos simulados^5-7, y c) la retroalimentación automatizada, cuyos sistemas de procesamiento del lenguaje natural ofrecen respuestas y retroalimentación inmediata, y pueden apoyar la evaluación y el debriefing individualizado^7,8, lo que se traduce en mejoras de competencias clínicas y pensamiento crítico.

No obstante, las posibilidades que ofrece la IA y su implementación generan nuevos desafíos éticos, sociales y económicos que no deben ser ignorados: brechas de alfabetización digital, sesgos algorítmicos derivados de datos no representativos y conflictos éticos sobre el respeto de derechos fundamentales y las exigencias de transparencia y equidad. La entrada en vigor del Reglamento de la UE sobre inteligencia artificial (Reglamento 2024/1689)⁹ —que establece un enfoque basado en el riesgo para los sistemas de IA de alto riesgo y prevé evaluaciones de la conformidad y auditorías periódicas por organismos notificados independientes— recalca la necesidad de marcos de gobernanza robustos, mientras que la dependencia tecnológica podría profundizar la brecha digital si las instituciones no adoptan políticas inclusivas^3,9.

En este contexto, el análisis de la evidencia aportada hasta la fecha actual sobre los beneficios y las limitaciones de la IA en educación universitaria en enfermería exige proponer líneas de acción que orienten a facultades, profesionales y responsables políticos hacia una adopción ética, inclusiva y científica de la misma, capaz de preparar graduados altamente competentes preparados para un entorno sanitario crecientemente automatizado y cambiante. Por otra parte, es necesario considerar también el aumento progresivo del absentismo en las aulas universitarias, probablemente agravado por la comodidad que le da al estudiante el tener disponibilidad permanente de gran volumen de material y herramientas para resumir, esquematizar, combinar, leer o escuchar o, incluso, representar contenidos, aunque a criterio del docente sea discutible hasta qué punto todo ello permite integrar las competencias de cada asignatura y materia del grado o del máster.

Marco teórico

Desde una perspectiva teórica, la mera adopción tecnológica no garantiza un aprendizaje significativo. Sobre el plano teórico, su aplicación converge con el constructivismo social de Vygotsky y el conectivismo de Siemens, al situar el conocimiento en la interacción y en las redes de información, respectivamente^10,11. En este marco, las simulaciones clínicas impulsadas por IA recrean pacientes virtuales en tiempo real, lo que favorece la reflexión crítica^6,7. Sin embargo, dicho potencial exige competencias digitales sólidas: el marco DigComp 2.2 detalla veintiuna destrezas distribuidas en ocho niveles¹², mientras que los Essentials de la American Association of Colleges of Nursing (AACN) incorporan el uso crítico de tecnologías informáticas como competencia troncal. Desarrollar alfabetización en IA no solo se asocia con mayor confianza, sino que también favorece una mayor comodidad en su uso¹³.

Normativamente, el Reglamento de la UE sobre inteligencia artificial (Reglamento 2024/1689)⁹ somete determinados sistemas de identificación biométrica remota a obligaciones de los sistemas de IA de alto riesgo (incluidas la evaluación de la conformidad y la supervisión humana), prohíbe el uso de sistemas de detección de emociones en contextos laborales y educativos (salvo usos médicos o de seguridad) y exige evaluaciones de impacto en derechos fundamentales con medidas de supervisión humana y acuerdos de gobernanza interna; por su parte, Badawy et al.¹⁴, respalda la necesidad de marcos éticos, transparencia y participación de profesionales sanitarios en la formulación de políticas.

Por último, la evidencia muestra resultados positivos en algunas áreas, aunque todavía limitados. Por ejemplo, ensayos con realidad virtual enriquecida por IA han demostrado mejoras en la comunicación interprofesional¹⁵, y la revisión de Jiatian Ma et al.¹ recoge además un ensayo con resultados en conocimiento y rendimiento en sepsis, así como mejoras en distintos resultados de aprendizajes con intervenciones de IA. No obstante, persisten interrogantes sobre la generalización de los resultados y su traducción a la práctica, así como la necesidad de instrumentos de evaluación objetivos y fiables^1,16.

Aplicaciones de la IA en la docencia

La formación universitaria en enfermería se ha enfrentado tradicionalmente a desafíos como la masificación de las aulas, la escasez de tutores clínicos, la simulación de entornos reales o la heterogeneidad de estilos de enseñanza y aprendizaje. A estos se han añadido en los últimos años, y acelerado por la pandemia de COVID-19, nuevos retos que han exigido competencias digitales avanzadas y manejo de datos en tiempo real para que los futuros profesionales puedan asumir la solvencia tecnológica para entornos asistenciales cada vez más digitalizados. El potencial transformador que representa la IA en educación puede organizarse conceptualmente en cinco dimensiones (tabla 1): tutoría inteligente y aprendizaje personalizado, simulación clínica inmersiva, evaluación automatizada, diseño curricular asistido y apoyo directo al profesorado. Es importante conocer las oportunidades que ofrecen estas herramientas para identificar las indicaciones para la práctica docente en educación superior.

Tabla 1.

Aplicaciones de la inteligencia artificial en educación

Aplicación	Herramientas IA	Función principal	Beneficios
Tutoría inteligente y aprendizaje personalizado	GoodNurse AI Tutor, Squirrel AI Learning, Carnegie Learning K-12	Adaptación de contenidos, retroalimentación formativa en tiempo real	+15%-25% en tasas de aprobado, reducción del estrés académico, itinerarios individualizados
Simulación clínica inmersiva (RV/RA)	vrClinicals for Nursing, Oxford Medical Simulation, ChatGPT como paciente virtual	Escenarios hiperrealistas con diálogo dinámico y signos vitales variables	Mejora del razonamiento clínico y seguridad, fortalecimiento de la comunicación interprofesional
Evaluación y retroalimentación automatizadas	Gradescope, Turnitin, Feedback Studio, GoodNurse Chatbot, Auto-Essay Scoring (NLP)	Corrección automática, feedback inmediato, detección de plagio	−40% de tiempo de corrección, retroalimentación comparable a expertos
Diseño curricular y creación de contenido	Sherpath AI, ChatGPT, Midjourney, DALL-E, Synthesia	Analítica curricular y creación rápida de casos, ilustraciones y clips multimedia	Reducción del 18% en vacíos competenciales, ciclos de desarrollo didáctico más cortos
Apoyo al profesorado	Sherpath AI, Instructor Tools, Microsoft Copilot, Google Gemini, Sora, dashboards clickstream	Planificación de clases, alertas tempranas, elaboración de materiales	Reducción del 50% en tiempo de planificación, seguimiento continuo de la participación

Fuente: tabla elaborada por los autores.

Tutoría inteligente y aprendizaje personalizado en enfermería

Los sistemas de tutoría inteligente (STI) son sistemas informáticos diseñados para proporcionar instrucción o retroalimentación inmediata y usar datos en tiempo real para apoyar la enseñanza y el aprendizaje¹⁷. Plataformas como Squirrel AI o Carnegie Learning K-12 han demostrado mejoras en retención y motivación, mientras que GoodNurse descompone conceptos complejos y genera cuestionarios alineados con la IA-NCLEX. Ghimire y Qiu³ describen, de forma general, chatbots y herramientas de IA que ofrecen apoyo continuo, respuestas inmediatas y aprendizaje personalizado, y testimonios cualitativos de mejor gestión del tiempo y del estrés cuando el alumnado interactúa con herramientas de IA y sistemas de apoyo adaptativo^3,4. Estos algoritmos analizan perfiles y desempeño del estudiantado para ajustar la dificultad, adaptar contenidos y métodos, y ofrecer retroalimentación y recomendaciones, de modo que cada estudiante sigue un itinerario individualizado¹⁸.

Debe tenerse en cuenta, sin embargo, que la integración de la IA en la formación en enfermería conlleva riesgos que conviene anticipar, como son los sesgos algorítmicos, los riesgos para la privacidad y la seguridad de los datos, y la generación de resultados inexactos, además de la necesidad de una evaluación crítica y un uso ético de estas herramientas¹³. Estas consideraciones muestran la necesidad de considerar estrategias específicas que subsanen estos riesgos cuando se utilicen estos sistemas, con el fin de preservar la diversidad de enfoques profesionales y fomentar un razonamiento clínico autónomo del propio estudiante.

Simulación y realidad virtual/aumentada potenciadas por IA

Los modelos generativos de lenguaje, como ChatGPT, permiten crear pacientes virtuales conversacionales con antecedentes detallados y respuestas coherentes que transforman cada entrevista en un encuentro clínico realista y evitan la repetición mecánica de casos⁵. Sobre esta base, plataformas comerciales como vrClinicals for Nursing sustituyen los menús tradicionales por interacciones en lenguaje natural y obligan al estudiantado a desplegar competencias comunicativas contextualizadas. De igual modo, Oxford Medical Simulation combina RV con algoritmos adaptativos: el paciente virtual ajusta signos vitales y respuestas verbales según las acciones del usuario para generar, así, escenarios únicos e irrepetibles que fortalecen el razonamiento clínico y la transferencia al entorno hospitalario. Jung⁷ describe que los pacientes virtuales pueden adaptar dinámicamente sus respuestas (p.ej., signos vitales, síntomas y conductas) según las acciones del estudiante, y Liaw et al.¹⁵ describen una simulación de realidad virtual con IA para entrenamiento de comunicación interprofesional en escenarios de sepsis y choque séptico con un médico virtual de IA.

La IA también contribuye a ampliar el acceso a entorno de aprendizaje y entrenamiento inmersivos, realistas e interactivos, cuya adopción requiere infraestructura y equipamiento adecuados¹⁹. Glauberman señala que la IA puede potenciar la simulación con escenarios más realistas y adaptados a las necesidades del estudiantado, e integrarse en experiencias de realidad virtual/aumentada para simular situaciones difíciles de reproducir en la formación tradicional⁶.

Aun así, este despliegue tecnológico no está exento de nuevos retos, como la validación de las métricas de rendimiento generadas por los sistemas; el riesgo de sobreestimulación, es decir, la exposición excesiva a entornos controlados que limiten la adaptabilidad en situaciones reales, y los costes de licencia al escalar estas soluciones. Por esto, es especialmente relevante que en las asignaturas que se plantean estas herramientas se incluyan debriefings que vinculen la experiencia inmersiva con la toma de decisiones basada en la evidencia y fomenten entre los estudiantes una reflexión crítica que garantice la transferencia efectiva del contexto virtual al clínico.

Evaluación y retroalimentación automatizadas

La IA interviene también en la evaluación del desempeño y la generación de retroalimentación en contextos de evaluación de textos escritos; en el estudio de Manning et al.²⁰, ChatGPT se utilizó para calificar bibliografías anotadas mediante rúbrica, aunque mostró una concordancia limitada con respecto a los evaluadores humanos. Los automated essay scoring systems valoran coherencia, organización y relevancia al aligerar la carga docente y ofrecer retroalimentación personalizada para la reflexión profesional sobre la propia práctica; no obstante, concluye que ChatGPT debe usarse con cautela y bajo supervisión docente como herramienta complementaria, no sustitutiva²⁰.

En la práctica, esta retroalimentación se materializa en chatbots pedagógicos, como GoodNurse, que desglosa ítems del National Council Licensure Examination (NCLEX, examen de acreditación profesional en enfermería de Estados Unidos y Canadá), explica la lógica diagnóstica y genera cuestionarios adaptativos, reforzando el aprendizaje autorregulado³. Del mismo modo, existen asistentes conversacionales integrados en entornos virtuales que permiten aclarar conceptos farmacológicos y resolver dudas sobre fármacos en tiempo real, de modo que liberan al profesorado para tareas de mayor complejidad pedagógica⁸.

También en el terreno de la calificación, herramientas como Gradescope y Turnitin automatizan rúbricas y ayudan en la detección de plagio. La primera agrupa respuestas y genera estadísticas de forma instantánea, mientras que la segunda distingue entre redacción humana y texto generado por IA. Los estudios de Benfatah et al.⁵ describen, por un lado, la evaluación del desempeño del estudiantado mediante una rejilla de competencias de interacción con paciente virtual y, por otro, el uso de análisis asistido por IA para apoyar un debriefing con retroalimentación objetiva y personalizada^5,21. El estudio comparó el debriefing asistido por IA con el debriefing sin IA y reportó mejoras en confianza, conocimientos/habilidades y satisfacción, además de mayor participación y reflexión crítica, en el grupo con IA²¹.

Sin embargo, los sesgos algorítmicos y la falta de transparencia sobre cómo estas herramientas de IA toman decisiones pueden reducir la confianza del alumnado en la equidad del sistema de evaluación²². Para contrarrestar este riesgo, se recomienda explicitar desde el inicio los criterios y las políticas de uso de IA, y mantener supervisión humana del profesorado sobre los resultados generados^22,23. Además, el Reglamento de la UE sobre inteligencia artificial (Reglamento 2024/1689)⁹ considera de alto riesgo determinados usos de IA en educación (p. ej., los que evalúan resultados de aprendizaje o pueden influir en la trayectoria formativa) y, para los sistemas de alto riesgo, exige registro (trazabilidad), transparencia y supervisión humana, recordando que la automatización complementa pero no sustituye el juicio pedagógico del docente.

Diseño curricular y creación de contenido educativo asistido por IA

La IA también actúa en el nivel macro del proceso educativo mediante analítica curricular y generación automatizada de recursos. Herramientas como Sherpath AI procesan resultados de exámenes, rúbricas y desempeño clínico para detectar vacíos o solapamientos y, de forma dinámica, reconfigurar objetivos o identificar lagunas que permitan proponer materiales de refuerzo. En este sentido, las revisiones describen estos usos y su potencial educativo, incluida la personalización del aprendizaje y el apoyo al profesorado^2,24.

En paralelo, los modelos generativos son capaces de transformar la producción de contenidos. Por ejemplo, ChatGPT redacta casos clínicos contextualizados culturalmente, mientras Midjourney o Dall-E3 crean ilustraciones anatómicas y de patologías poco frecuentes. Esto permite agilizar la elaboración de recursos (p. ej., imágenes y vídeos narrados para simulación); además, en un estudio incluido en la revisión, el uso de ChatGPT redujo en un 23% la carga percibida del profesorado y disminuyó el tiempo de creación de casos²⁵.

Sin embargo, este avance plantea desafíos legales y de calidad. La autoría compartida entre humanos y algoritmos genera dudas sobre en quién recae la propiedad intelectual, la cesión de datos de rendimiento entraña riesgos de privacidad y los corpus sesgados pueden perpetuar estereotipos²⁶. Asimismo, la «alucinación» algorítmica puede producir contenidos ficticios con apariencia veraz, por lo que se recomienda la identificación explícita conforme es un material generado o cocreado con IA y se exige la validación experta de cualquier material generado automáticamente antes de su uso docente^2,27.

Herramientas de IA para el apoyo al profesorado universitario

La IA puede aliviar la carga docente al automatizar tareas rutinarias y liberar tiempo para actividades de alto valor pedagógico, como la mentoría y el contacto directo con los estudiantes. Los modelos generativos de lenguaje (ChatGPT, Copilot o Gemini) pueden apoyar la creación y revisión de contenidos educativos, y su uso requiere que el profesorado conozca sus fortalezas y limitaciones. Su integración en la docencia debe acompañarse de alfabetización en IA generativa, evaluación crítica de la exactitud y relevancia de los contenidos generados, transparencia en su uso y supervisión humana²³.

Las plataformas curriculares inteligentes, como Sherpath AI, combinan sistemas adaptativos y analítica de aprendizaje para ajustar contenidos y estrategias a las necesidades del alumnado e identificar áreas en las que se requiere apoyo, orientando intervenciones docentes^2,24. Paralelamente, herramientas multimedia como Synthesia™ generan vídeos con avatares que demuestran procedimientos paso a paso, mientras los primeros ensayos con Sora™ apuntan a clips de alta fidelidad en los que un simulador de UCI reacciona a las intervenciones del estudiante, todo ello con funciones text-to-speech multilingües que disminuyen los costes de producción audiovisual²⁸.

La analítica de participación en foros, cuestionarios y patrones de navegación digital, clickstream, permite generar alertas sobre conceptos mal comprendidos y realizar microintervenciones de refuerzo. Los chatbots conversacionales ofrecen retroalimentación informal que refuerza la sensación de acompañamiento^24,29. Todo ello permite que el docente potencie un rol de guía del aprendizaje y dedique el tiempo recuperado a tutorías personalizadas y debates reflexivos, y ayude al estudiante a integrar mejor las habilidades interpersonales. Para ello, el rol docente exige nuevas competencias emergentes: prompt engineering, interpretación crítica de analíticas y criterio ético para decidir cuándo delegar —y cuándo no— en la IA^13,18.

Por otro lado, si bien la implantación de las directrices de Bolonia ya organizaron la formación universitaria en el proceso de enseñanza-aprendizaje y potenciaron el papel del docente como guía en dicho proceso, es difícil que la IA pueda dar apoyo a todas y cada una de las competencias que tiene el docente universitario, adquiridas con el tiempo, con la dedicación a su campo disciplinar y con la experiencia en la academia, todo ello evaluado periódicamente por las agencias de evaluación de la calidad de la docencia universitaria.

Discusión

A partir de la literatura revisada, la IA se describe como una herramienta con aplicaciones pedagógicas transversales en ámbitos como la tutoría personalizada, las simulaciones clínicas avanzadas, la evaluación automatizada, el diseño curricular flexible y el apoyo docente, pero la magnitud de sus beneficios depende de la disposición a adoptarla, la brecha digital y de competencias, y de un oportuno y necesario debate bioético^3,7,30-32.

Actualmente la IA ya no es un recurso pedagógico periférico sino una pieza clave de la formación en enfermería. Es previsible que su integración en la universidad siga aumentando en los próximos años. En este contexto, la literatura académica analiza los factores que condicionan su adopción, los retos éticos y regulatorios que plantea, las limitaciones metodológicas de la evidencia disponible y las líneas de investigación y de práctica futura necesarias para consolidar una adopción responsable y eficaz, orientada a mejorar el proceso de enseñanza-aprendizaje de los futuros profesionales de enfermería.

Síntesis de los hallazgos empíricos

La literatura citada describe el potencial de los tutores adaptativos y chatbots pedagógicos para personalizar el aprendizaje, ofrecer retroalimentación inmediata y favorecer la motivación; además, Ghimire y Qiu recogen experiencias de apoyo a la organización del estudio y la gestión de la carga académica^3,4,33.

En simulación clínica, los entornos de RV gestionados por IA pueden complementar la simulación convencional al potenciar el razonamiento clínico y facilitar la comunicación interprofesional en escenarios simulados, incluidos escenarios de deterioro clínico, como sepsis y choque séptico^6,7,15.

La evaluación automática basada en IA puede apoyar la evaluación de textos escritos y la retroalimentación, especialmente como herramienta complementaria bajo supervisión docente; aunque la literatura revisada insiste en que estas herramientas no deben sustituir el juicio del profesorado, y que todavía se requieren instrumentos de evaluación objetivos y fiables, así como más evidencia sobre la generalización de los resultados^13,16,23.

Por último, la IA en educación en enfermería, incluyendo sistemas de aprendizaje personalizados y herramientas basadas en IA, muestra potencial para transformar la formación y ajustar el aprendizaje a las necesidades del estudiantado, con lo que puede reforzar la formación inicial de enfermería^2,27.

Factores que condicionan la adopción

Más allá de la eficacia, la percepción de utilidad y la facilidad de uso son los factores que más influyen en la intención de adoptar tecnologías basadas en IA; el alumnado valora especialmente la retroalimentación inmediata y los contenidos ajustados a sus necesidades, mientras que el profesorado destaca la utilidad de las analíticas para identificar quién necesita apoyo adicional³¹.

En paralelo, la alfabetización digital es clave. Marcos como DigComp 2.2 y los Essentials de la AACN ofrecen guías prácticas para estructurar programas de formación del profesorado y del estudiantado, favoreciendo una integración más efectiva y crítica de estas herramientas en el entorno educativo^6,7.

Retos éticos y regulatorios

Los beneficios de la IA en la educación enfermera se enfrentan a desafíos éticos y normativos: sesgo algorítmico, posible pérdida de privacidad y opacidad en la toma de decisiones automatizadas. El Reglamento de la UE sobre inteligencia artificial (Reglamento 2024/1689)⁹ clasifica como sistemas de «alto riesgo» determinados usos de IA en educación y sistemas biométricos; además, en centros educativos prohíbe la inferencia de emociones, salvo excepciones médicas o de seguridad, e impone obligaciones de transparencia⁹.

En contextos con infraestructuras digitales limitadas, su implementación exige una integración cuidadosa y adaptable, con soluciones viables para superar barreras técnicas, estructurales y de acceso^18,34. Persisten, además, dudas sobre la fiabilidad, la transparencia y el rendimiento de algunas herramientas de IA, así como riesgos de errores, sesgos y problemas de privacidad, lo que refuerza la necesidad de validación continua y de datos diversos y de calidad y supervisión humana continua durante la validación.

Limitaciones de la literatura

La producción científica reciente presenta limitaciones metodológicas, con fuerte dependencia de diseños cuasiexperimentales y muestras pequeñas, lo que restringe la generalización de los resultados. Además, son pocos los estudios que realizan seguimiento, y la duración de las intervenciones varió de días a semanas, lo que impide evaluar con claridad la sostenibilidad del aprendizaje y su transferencia efectiva al entorno clínico.

Asimismo, el uso frecuente de indicadores subjetivos y la ausencia de una herramienta de evaluación unificada dificulta la comparación entre estudios y debilita la acumulación de evidencia sólida, lo que señala la necesidad de estandarizar las herramientas de medición en estudios sobre IA educativa en salud.

Implicaciones para la práctica docente

Los hallazgos revisados respaldan una adopción responsable de la IA en la formación enfermera que exige una implementación gradual sustentada en tres pilares:

• •

  Formación continua del profesorado: desarrollar competencias en IA y ética digital para que el personal docente asuma un rol activo e informado en entornos mediados por tecnologías emergentes, apoyándose en marcos de competencia digital y en formación específica para evaluar críticamente los contenidos generados por IA.

• •

  Gobernanza algorítmica institucional: creación de comités de revisión ética y realización de auditorías de sesgo para garantizar transparencia, equidad y rendición de cuentas en los procesos decisorios mediados por IA, en consonancia con las exigencias regulatorias y con marcos institucionales de implementación responsable.

• •

  Diseños pedagógicos híbridos: combinar tutores inteligentes y herramientas de IA con sesiones presenciales centradas en la dimensión relacional del aprendizaje, el razonamiento clínico y el debriefing guiado, sin sacrificar la interacción humana.

Prioridades de investigación futura

Entre las líneas emergentes, la investigación futura debería centrarse en tres frentes convergentes: a) profundizar en modelos de analítica predictiva que identifiquen tempranamente a estudiantes en riesgo y, en paralelo, emplear IA generativa para diseñar casos clínicos personalizados alineados con los objetivos de aprendizaje^2,24,25; b) avanzar en sistemas de IA explicable y en mecanismos de transparencia/supervisión humana que hagan visible la lógica subyacente a sus decisiones para incrementar la confianza del profesorado y del estudiantado^2,9,14,27, y c) emprender estudios multicéntricos y longitudinales que evalúen la transferencia de competencias al entorno clínico, con instrumentos de evaluación más objetivos y comparables, junto con análisis rigurosos de implementación y costo-efectividad durante el despliegue de estas tecnologías^1,16,18,34.

Conclusiones

A partir de los hallazgos revisados, se proponen las siguientes acciones para una implementación responsable de la IA en la formación enfermera:

• •

  Fomentar la alfabetización en IA. Diseñar programas formativos para profesorado y estudiantado que integren habilidades técnicas y consideraciones ético-sociales del uso de la IA en contextos clínicos y educativos.

• •

  Marcos éticos y directrices. Establecer políticas institucionales que garanticen protección de datos, equidad de acceso, trazabilidad algorítmica y responsabilidades claras en decisiones asistidas.

• •

  Infraestructura y formación docente. Invertir de forma sostenida en tecnología y en desarrollo profesional para que el profesorado aplique la IA de manera crítica, innovadora y pedagógicamente pertinente.

• •

  Investigación rigurosa. Promover estudios con metodologías robustas que evalúen efectividad, sostenibilidad y efectos no deseados, centrados en resultados de aprendizaje clínicamente significativos.

• •

  Colaboración interdisciplinaria. Articular equipos de desarrolladores de IA, docentes de enfermería, profesionales clínicos y estudiantes para cocrear soluciones didácticamente eficaces, clínicamente aplicables y éticamente responsables.

Conclusión

La evidencia revisada sugiere que la IA puede actuar como un motor de transformación en la formación enfermera. Tutores inteligentes, simulaciones inmersivas, herramientas de apoyo a la evaluación, diseño curricular adaptativo y apoyo al profesorado convergen para personalizar el aprendizaje, optimizar procesos formativos y fortalecer el razonamiento clínico. Sin embargo, su impacto solo será sostenible si su incorporación se acompaña de alfabetización digital, supervisión humana, marcos de gobernanza sólidos y una implementación pedagógica progresiva.

Al mismo tiempo, el potencial de estas tecnologías no depende únicamente de su rendimiento técnico, sino de su integración ética, equitativa y contextualizada en la enseñanza. El reto no es sustituir la mediación docente, sino reforzarla con herramientas que amplíen las oportunidades de aprendizaje sin debilitar la dimensión relacional y crítica de la formación enfermera. En este sentido, serán prioritarios estudios más robustos y longitudinales que permitan valorar la transferencia real de competencias al entorno asistencial y orientar decisiones institucionales basadas en evidencia.

ORCID Id

Antonio Rosa-Castillo: 0000-0002-0914-9413

Fernando Campaña-Castillo: 0000-0002-8522-1843

Guillermo Moreno-Muñoz: 0000-0003-2873-3874

Anna Falco-Pegueroles: 0000-0002-3702-3009

Cecilio Angulo-Bahón: 0000-0001-9589-8199

Silvia Carla da Silva-André-Uehara: 0000-0002-0236-5025

Financiación

Este trabajo no ha recibido financiación específica de agencias públicas, del sector comercial ni de entidades sin ánimo de lucro.

Consideraciones éticas

Este manuscrito combina una revisión de la literatura con la descripción y ejemplificación de distintas herramientas de inteligencia artificial generativa aplicadas al ámbito de la docencia y la práctica de la enfermería. No se han utilizado datos clínicos reales ni información personal identificable de pacientes, estudiantes o profesionales, ni se han realizado intervenciones o experimentación con seres humanos o animales. Por este motivo, no ha sido necesaria la evaluación por parte de un comité de ética de la investigación.

Consentimiento informado

No fue necesario obtener consentimiento informado al no realizarse experimentación ni recogida de datos de personas ni pacientes en este estudio.

Declaración sobre el uso de inteligencia artificial

Durante la preparación de este trabajo los autores utilizaron ChatGPT (OpenAI) para la revisión lingüística del texto final en español y la preparación de su versión en inglés. Después de utilizar esta herramienta, revisaron y editaron el contenido según fue necesario y asumen plena responsabilidad por el contenido del artículo publicado.

Contribución de los autores

Todos los autores cumplen los criterios de autoría, han contribuido de forma sustancial al manuscrito y aprueban la versión final, asumiendo la responsabilidad de su contenido.

Conflicto de intereses

Los autores declaran no tener ningún conflicto de intereses relacionado con este manuscrito.