top of page

¿Y si el problema no necesita IA?

hace 5 horas
7 min de lectura

La minería de procesos me llevó a mirar de otra manera mi práctica docente: antes de incorporar inteligencia artificial, conviene entender qué queremos mejorar y preguntarnos si la tecnología realmente aporta algo.


Por: Manisha Nebhnani*

Pasante Estudio Elefante  2026-2


Si tiene algún comentario o sugerencia agradecemos nos lo haga saber a través del correo info@estudielefante.co 

Somos Estudio Elefante. ¡La fuerza detrás de las grandes ideas!


Yo pensaba que la minería de procesos era una receta para hacer las cosas de manera más eficiente. Resultó ser, sobre todo, una invitación a detenerme antes de buscar una solución. 

Cuando escuché por primera vez la expresión minería de procesos, imaginé una lista de pasos para hacer algo de manera más eficiente. Una especie de receta mejorada y, confieso, cosa de otros: de empresas con sistemas gigantescos, de tableros llenos de siglas y de equipos de datos que nunca se cruzan con alguien que empieza el día repartiendo cuadernos a niños de ocho años. 


Mi idea no era del todo falsa, pero sí incompleta. Una lista de pasos describe cómo creemos que se hace algo. La minería de procesos pregunta cómo se hace en realidad y si vale la pena mejorarlo. Lo que no esperaba es que esa pregunta terminara mirándome a mí, a mi aula y a mis propias costumbres. 


Un proceso que repito sin verlo 

Enseño matemáticas y ciencias en español a estudiantes de tercer grado. El proceso más común en mi clase es el de enseñar. Tomemos la multiplicación: la presento, la muestro en distintos contextos (suma repetida, círculos y grupos, matrices), la llevo a un problema de texto y, tras dos semanas de práctica con el libro, juegos, trabajo en grupo y discusiones de clase, evalúo qué entendieron. Una vez por semana, la tarea refuerza lo visto en la semana anterior. 


Lo hago de memoria, unidad tras unidad. Rara vez me pregunto en qué paso se atasca, cuál sobra o dónde ayudaría algo distinto. 


Lo que dice el libro y lo que no cabe en mi aula 

Durante mis prácticas leí Minería de procesos para Dummies y, con lo leído, construí tres recursos: uno interactivo sobre cómo se evalúa y se devuelve un trabajo, una presentación para docentes universitarios y un canvas para decidir cuándo incorporar inteligencia artificial en la práctica docente.


La idea central del libro es sencilla. Cada vez que algo ocurre en un sistema, por ejemplo cuando se crea un pedido o se paga una factura, queda un registro con fecha y hora. La minería de procesos reúne esas huellas y reconstruye el recorrido real, con sus desvíos y atascos, en lugar del que la gente recuerda. Como parte de datos y no de la observación humana, sostiene el libro, resulta más objetiva. Y ahí me detuve. 


En mi aula no hay timestamps. Nadie registra a qué hora un niño entendió las matrices ni cuánto tardó en pasar de la suma repetida al problema de texto. Mi clase tiene un proceso, pero no deja huellas digitales. Lo que tengo es observación: la cara de quien se pierde, la pregunta a mitad de un juego, el ajuste que hago sobre la marcha. A esta edad, esa mirada humana es de lo que más enseña. Aplicar la minería de procesos tal cual a una clase de tercer grado sería, con honestidad, muy difícil. 



Lo que sí me llevé 

Me llevé la pregunta de fondo: todo tiene un proceso y conviene analizarlo para saber si se puede mejorar. Antes de incorporar una herramienta, conviene entender qué parte del proceso necesita realmente mejorar. En el caso de la IA, eso significa preguntarme si aporta valor o si solo quiero integrarla porque es nueva y emocionante. 


El libro lo advierte con claridad: automatizar un proceso que no funciona es hacer lo mismo mal, solo que más rápido. 

Lo probé donde más lo necesitaba: preparar materiales de inmersión para mis clases de español. Antes le pedía a la IA productos completos y luego pasaba horas comprobando que el contenido fuera correcto. Ahora separo el proceso en pasos y examino cada uno: en algunos la IA me ahorra tiempo; en otros, el riesgo de error me obliga a revisarlo todo y el ahorro es solo aparente. Esos pasos los conservo bajo mi criterio. 


Con el canvas analicé cómo creo una unidad didáctica de quince lecciones centrada en la expresión oral. La IA me ayudó a armarlas en Canva a partir de un prompt con los objetivos, mis borradores de cada lección y recursos gratuitos de otras páginas. La unidad culmina con una evaluación en forma de podcast, en la que los estudiantes hablan de su casa con detalles que alargan sus oraciones.


Aprendí también algo menos vistoso: dar instrucciones específicas me costó muchos intentos fallidos y mucho tiempo. Hoy pido con más precisión. Pero la lección más útil no fue técnica. A veces no necesitamos crear más recursos; necesitamos saber dónde crearlos vale la pena y dónde basta con lo que ya tenemos, mejorado apenas un poco. 

Antes creía que la minería de procesos era una receta para ser más eficiente. Ahora creo que es una disciplina de la atención: dejar de contar cómo creo que pasan las cosas y empezar a mirar cómo pasan. Y, sobre todo, no apresurarme a la solución, sea una herramienta de IA o cualquier otra, antes de haber entendido el recorrido. 


Quizás por eso mi canvas termina con una pregunta que a mí misma me incomoda: ¿Habría una solución sin IA igual o mejor? 


A veces la respuesta es que sí. Y a veces, mirar el proceso permite descubrir que el problema era otro. 


Lo que reconozco que no sé 

Lo que hice no es minería de procesos. Mi canvas parte de la experiencia de una docente que describe su proceso y lo contrasta con ejemplos reales; la minería de verdad necesita registros de eventos. Una revisión reciente de la literatura (Semler et al., 2025) muestra que su aplicación en educación sigue siendo limitada y que se apoya en datos que dejan las plataformas digitales, como entregar un cuestionario o entrar a un foro. Además, el libro que leí es una edición patrocinada por una empresa que vende esa tecnología.  


Y todavía no puedo hablar de resultados con mis estudiantes. Soy una docente que aprende día a día, no una experta. 


Para seguir conversando 

¿Cuántos recursos has creado este año con ayuda de la IA que no cambiaron nada en tu clase? 


Crear es cada vez más fácil; saber si algo cambió, no tanto. En un ensayo aleatorizado en Inglaterra, docentes de ciencias que usaron ChatGPT redujeron en un 31 % su tiempo de planificación, unos 25 minutos por semana, y un panel independiente no notó diferencias en la calidad de los materiales, aunque con una muestra limitada (Roy et al., 2024). Y los autores de un estudio con más de mil docentes en India reconocen que no evaluaron si sus estudiantes aprendieron más (Varuvel Dennison et al., 2025).  Ahorrar tiempo y cambiar una clase son cosas distintas. 



¿En qué paso de tu proceso la IA ayuda de verdad y en cuál terminas revisándolo todo otra vez? 

En ese mismo ensayo, los docentes no le delegaron planificaciones completas: la usaron en aproximadamente un tercio de sus clases y lo más habitual fue pedirle ayuda con una sola actividad, como preguntas, cuestionarios o ideas (Roy et al., 2024). En India, los planes de clase en inglés resultaron muy fiables, pero las traducciones al canarés necesitaron ediciones lingüísticas extensas (Varuvel Dennison et al., 2025). No sé cuánto se traslada esto al español, que cuenta con muchos más recursos en internet, pero me recuerda que revisar el idioma de los materiales no es un detalle.  


Tal vez lo más valioso entre colegas no sea intercambiar más herramientas, sino compartir cómo decidimos cuándo usarlas y cuándo no. Las herramientas de IA cambian y se actualizan con rapidez; un criterio se puede llevar de una herramienta a otra. 

Los docentes entrevistados por WestEd describen la colaboración entre colegas como más poderosa que la demostración de un experto: es la que les da ganas de cruzar el pasillo a preguntarle a otro maestro (Nucci, 2026).  


Compartir cómo decidimos, con los aciertos y también con los intentos fallidos, convierte la experiencia de cada uno en criterio colectivo. Quizás ahí haya también una oportunidad de profesionalización docente: no aprender solamente a usar nuevas herramientas, sino construir entre colegas criterios para decidir cuándo vale la pena usarlas. 


¿Qué pasaría si la próxima conversación sobre IA en tu equipo empezara no por las herramientas disponibles, sino por los procesos que vale la pena mejorar? 


Si esa conversación también te inquieta, quizás valga la pena empezar a conversar con un Elefante. 


Referencias 

  • Kaelble, S. (2025). Minería de procesos para Dummies (2.ª ed. especial de Celonis). Wiley. 

  • Nucci, D. (2026). What teachers want from generative AI professional learning and what education leaders can do next. WestEd. 

  • Roy, P., Poet, H., Staunton, R., Aston, K., y Thomas, D. (2024). ChatGPT in lesson preparation: A Teacher Choices trial evaluation report. Education Endowment Foundation y National Foundation for Educational Research. 

  • Semler, R. F., Semler, J. R., Wehrmeister, M. A., Southier, L. F. P., Casanova, D., y Teixeira, M. (2025). Educational process mining: Literature classification, gaps, and emerging opportunities. Frontiers in Education, 10, Article 1543761. 

  • Varuvel Dennison, D., Ahtisham, B., Chourasia, K., Arora, N., Singh, R., Kizilcec, R. F., Nambi, A., Ganu, T., y Vashistha, A. (2025). Teacher-AI collaboration for curating and customizing lesson plans in low-resource schools [Preprint]. arXiv.


*Manisha Nebhnani es docente de matemáticas y ciencias en español para estudiantes de tercer grado. Actualmente realiza su pasantía en Estudio Elefante durante el periodo 2026-2 y cursa el Máster Universitario en TIC Aplicadas a la Educación en la Universidad Internacional de Valencia (VIU). Desde su práctica docente explora las posibilidades y los límites de incorporar inteligencia artificial a la educación, con especial interés en construir criterio para decidir cuándo una herramienta aporta valor y cuándo no.

Comentarios


bottom of page