Guía definitiva del Reglamento Europeo de IA para EdTech — edición de agosto de 2026

El Reglamento Europeo de IA no clasifica un sistema de gestión del aprendizaje (LMS), una plataforma de experiencia de aprendizaje (LXP) o una plataforma de formación con una sola etiqueta. Clasifica sistemas y usos previstos.

Una misma plataforma puede generar lecciones, conversar, puntuar respuestas, recomendar itinerarios y vigilar exámenes. Cada operación debe pasar por puertas distintas: prohibiciones, anexo III y artículo 6.3, transparencia y normas concurrentes. Un mismo caso puede acumular varias obligaciones.

Esta guía aplica el calendario vigente a ochenta supuestos de producto, despliegue y ciclo de vida. Después convierte la clasificación en decisiones de producto y arquitectura, criterios de contratación, mecanismos de supervisión y pruebas.

Esta edición se cerró el 3 de agosto de 2026. Reúne las principales funciones de un producto EdTech, el método, los casos y las pruebas de partida. La norma puede cambiar y cada versión y despliegue exigen su propio análisis.

Una función no se clasifica por su nombre comercial. Se clasifica por lo que hace, quién recibe la salida, en qué decisión influye y qué consecuencia puede producir sobre una persona.

Calendario de aplicación para EdTech

El hito de agosto no significa que todo el Reglamento haya empezado a aplicarse a la vez. El artículo 50 rige desde el 2 de agosto de 2026. Desde esa fecha, proveedores y responsables del despliegue deben cumplir las obligaciones de transparencia que les correspondan.

El régimen prevé un periodo transitorio limitado. Los proveedores de sistemas capaces de generar texto, audio, imagen o vídeo que ya se hubieran introducido en el mercado antes del 2 de agosto de 2026 disponen hasta el 2 de diciembre de 2026 para cumplir el marcado y la detección del artículo 50.2. Esa prórroga no desplaza el aviso de una conversación con IA, la revelación de una ultrafalsificación ni las demás ramas del artículo 50.

La alfabetización en IA se aplica desde el 2 de febrero de 2025. El Reglamento (UE) 2026/1744 sustituyó la obligación de asegurar un «nivel suficiente» por la de adoptar medidas que apoyen su desarrollo. La formación debe considerar el conocimiento, la experiencia, la educación, el contexto de uso y las personas sobre las que se utilizará el sistema. Comprar un curso genérico y registrar la asistencia sirve de poco si el personal no aprende a manejar los riesgos de su función.

El mismo reglamento de julio de 2026 cambió el calendario de alto riesgo. Las secciones principales del capítulo III para los sistemas del anexo III, donde están los usos educativos, se aplicarán desde el 2 de diciembre de 2027. El plazo de los sistemas de alto riesgo vinculados a productos del anexo I se sitúa en el 2 de agosto de 2028.

El margen hasta 2027 no aconseja esperar. Una EdTech que descubre tarde que el mismo motor mezcla práctica, calificación y asignación de nivel puede verse obligada a separar datos, interfaces y responsabilidades en producción. Clasificar ahora sirve para diseñar esa separación antes de que la conformidad dependa de ella.

Tampoco conviene presentar agosto de 2026 como el día en que «entra la ley». El Reglamento entró en vigor en agosto de 2024 y se aplica por etapas. La descripción profesional es más precisa: el 2 de agosto de 2026 activó el régimen general de transparencia y las disposiciones que no tienen una fecha posterior específica, mientras que los requisitos educativos de alto riesgo conservan su propio calendario.

Trazabilidad normativa de esta edición

La vigencia se contrastó el 3 de agosto de 2026 con el texto normativo y con materiales oficiales de interpretación y aplicación. Los reglamentos son las fuentes jurídicas vinculantes; las directrices, preguntas, ejemplos y guías ayudan a interpretarlos o aplicarlos, pero deben leerse según su naturaleza y alcance:

• Texto consolidado del Reglamento de IA vigente a 27 de julio de 2026: se utiliza para leer el articulado modificado, incluido el artículo 99. La consolidación es una herramienta documental; la fuerza jurídica corresponde a los actos publicados en el Diario Oficial.
• Reglamento (UE) 2024/1689, texto publicado en el Diario Oficial: texto original de los artículos 4, 5, 6, 25, 26, 27, 49, 50, 86 y 99, además del anexo III.
• Reglamento (UE) 2026/1744: transición del artículo 50.2, nuevas prohibiciones y calendario reformado de alto riesgo.
• Directrices finales de la Comisión sobre el artículo 50 y preguntas y respuestas oficiales: interacción, marcado, detección, ultrafalsificaciones, textos de interés general y accesibilidad del aviso.
• Ejemplos oficiales de educación y formación profesional: acceso, admisión, evaluación, nivel, vigilancia y ejemplos del filtro del artículo 6.3.
• Artículo 26 en el servicio oficial del Reglamento: supervisión, registros, información a personas, entidades públicas y entorno laboral.
• Guías prácticas de AESIA: requisitos, hojas de diagnóstico y evidencias para sistemas de alto riesgo.

Cómo utilizar la guía: siete verbos y cinco elementos

El inventario debe empezar por verbos, no por proveedores. Los siete que uso son generar, conversar, recomendar, evaluar, decidir, observar e inferir. Describen mejor el efecto de una función que «usa un modelo de lenguaje» o «incluye IA». Cada verbo abre preguntas diferentes y varios pueden aparecer en una sola sesión.

La entrevista oral simulada servirá como ejemplo continuo. Puede generar una voz, conversar, observar y recomendar; si puntúa para una acreditación, evalúa, y si deduce nerviosismo, infiere una emoción. El capítulo sobre juegos de rol compara más adelante cinco versiones completas de esa misma pantalla.

Por eso propongo documentar cada caso con cinco elementos: función, actor, decisión, consecuencia y evidencia. La función explica qué hace el sistema. El actor identifica quién lo ofrece, quién lo opera y quién recibe la salida. La decisión indica para qué se utiliza. La consecuencia concreta qué puede cambiar para el alumno. Con la evidencia, el equipo demuestra que la descripción sigue siendo cierta.

Audiencia, edad, entorno institucional, datos personales o biométricos, elaboración de perfiles, interacción directa y medios sintéticos son subcampos de esos cinco elementos, no un segundo esquema. La arquitectura, la matriz y la lista ejecutiva son vistas de esta misma ficha canónica. Así se evita que producto, ingeniería y cumplimiento mantengan inventarios incompatibles o que una función aprobada para practicar termine calificando sin repetir el análisis.

Clasificación jurídica y prioridad interna no son lo mismo. Una función puede no estar en el anexo III y merecer, aun así, una revisión estricta por privacidad o seguridad. También puede exigirla porque afecta a menores o presenta un daño pedagógico. A la inversa, estar dentro de una categoría de alto riesgo obliga a examinar también el artículo 6.3. La guía utiliza la clasificación legal para asignar obligaciones y una prioridad interna para ordenar el trabajo.

Cómo leer las afirmaciones y priorizar el trabajo

La guía utiliza cuatro etiquetas conceptuales. Cuando el texto dice obligación del Reglamento, atribuye la medida al Reglamento de IA (RIA) y enlaza el artículo o la fuente oficial. Una condición de clasificación indica qué hecho abre o cierra una rama, pero exige analizar el caso. Un control recomendado es una propuesta operativa para aplicar o demostrar el requisito; no se presenta como mandato literal. Otra norma abre una revisión distinta, por ejemplo de protección de datos, propiedad intelectual, accesibilidad o legislación laboral. En los apartados operativos, los párrafos que comienzan con «Control recomendado» proponen una forma de actuar que puede sustituirse por otra equivalente; los mandatos legales se presentan con su sujeto y su referencia normativa.

La prioridad interna se ordena en tres niveles. Inmediata: práctica prohibida, obligación de transparencia ya aplicable sin cubrir o indicio creíble de daño significativo. Alta: decisión sobre acceso, nota, nivel, credencial o empleo; uso con menores o personas vulnerables; gran escala; poca reversibilidad; o evidencia insuficiente. Planificada: función reversible que no decide sobre personas y dispone de límites y pruebas suficientes. Una mesa con producto, tecnología, cumplimiento y dirección académica asigna el nivel. Si dos niveles son plausibles, se elige el más alto atendiendo al daño potencial más grave y menos reversible.

Abrir la imagen a tamaño completo

Antes del nivel de riesgo: ¿hay un sistema de IA?

No toda automatización es un sistema de IA. Un cálculo fijo de media ponderada, una regla que muestra un mensaje al superar un umbral o una búsqueda literal pueden quedar fuera de la definición, según cómo funcionen. Añadir la etiqueta «inteligente» a una característica comercial tampoco resuelve la cuestión.

La definición exige examinar un sistema basado en máquinas que opera con distintos niveles de autonomía. Puede mostrar capacidad de adaptación después del despliegue. A partir de las entradas que recibe, infiere cómo producir salidas como predicciones, contenidos, recomendaciones o decisiones. La Comisión ha publicado directrices específicas sobre esta definición.

La finalidad prevista se reconoce en las instrucciones, la documentación, el diseño, la configuración y la comunicación comercial. También conviene observar el uso razonablemente previsible. Un asistente anunciado como «apoyo al estudio» pero conectado al libro de calificaciones necesita una descripción más honesta que su etiqueta de marketing.

Separar funciones evita clasificar en bloque. El mismo módulo puede generar preguntas, sugerir una nota y publicarla. La primera operación prepara un instrumento; la segunda evalúa; la tercera ejecuta una decisión. Si el equipo solo registra «generador de cuestionarios», perderá dos de los tres casos.

Quién responde en la cadena EdTech

El Reglamento distingue operadores. El proveedor desarrolla un sistema de IA, o encarga su desarrollo, y lo introduce en el mercado o lo pone en servicio con su nombre o marca. El responsable del despliegue utiliza un sistema bajo su autoridad en un contexto profesional. También pueden intervenir representantes autorizados, importadores y distribuidores.

En una plataforma educativa suele haber más capas: proveedor del modelo, servicio de generación, integrador, empresa EdTech, institución y personal que utiliza la función. El proveedor del modelo no ocupa automáticamente el papel de proveedor de todos los sistemas posteriores. La pregunta es quién ofrece el sistema concreto, con qué marca y para qué finalidad prevista.

Una EdTech puede convertirse en proveedor aunque parta de un producto de terceros. El artículo 25 contempla, entre otros casos, poner el nombre o la marca propios sobre un sistema, realizar una modificación sustancial o cambiar la finalidad prevista de manera que un sistema pase a ser de alto riesgo. Integrar una API no evita esa posibilidad.

Los contratos deben repartir información, acceso técnico y apoyo entre las partes. Sin embargo, un contrato no borra el papel que cada operador ocupa ante la norma. Si la empresa ofrece al centro un corrector bajo su marca y lo configura para evaluar exámenes, no puede resolver el análisis llamándose «mero integrador» en una cláusula.

Los papeles de los operadores deben asignarse para cada sistema y versión. Además, un cambio de modelo, umbral, fuente de datos o destino de la salida puede obligar a revisar la precisión, la finalidad y la clasificación. La ficha identifica qué cambio reabre la decisión y quién tiene autoridad para detener el despliegue mientras se revisa.

Alfabetización según el papel

El artículo 4 no exige el mismo temario a toda la organización. Un diseñador de contenidos necesita reconocer fuentes inventadas, licencias y sesgos pedagógicos. Quien revisa una nota debe entender la rúbrica, la incertidumbre y el grado de automatización. El equipo de compras necesita preguntar por los papeles de cada operador y por la documentación disponible. El equipo de ingeniería debe probar los cambios de modelo, el marcado, los registros y la parada.

El programa debería partir del inventario y de incidentes plausibles. Quien desempeña un papel ensaya la toma de decisiones que tendrá que afrontar: detener una evaluación, rechazar una fuente, explicar una recomendación, revisar una alerta de vigilancia remota o comprobar que un archivo conserva su marcado. La evidencia útil no se limita a un diploma: incluye los escenarios ensayados, los resultados obtenidos, las acciones de refuerzo y los cambios aplicados después de detectar errores.

Prácticas que una plataforma educativa debe bloquear

La primera clasificación no debería empezar por «mínimo» o «alto» riesgo. Debería empezar por la prohibición. Un control de transparencia no convierte en lícita una práctica que el artículo 5 impide comercializar, poner en servicio o utilizar.

La prohibición más cercana a EdTech afecta a los sistemas destinados a inferir emociones de una persona en lugares de trabajo o centros educativos a partir de datos biométricos. La excepción se limita a motivos médicos o de seguridad. Esto incluye tanto el uso educativo como la formación corporativa cuando la función se despliega en el lugar de trabajo. Un producto que afirma deducir atención, aburrimiento o confianza a partir del rostro ya exige este análisis. Lo mismo ocurre si deduce estrés o entusiasmo a partir de la voz o el cuerpo. El producto no se salva porque muestre un aviso al alumno o al trabajador.

Medir una señal no equivale siempre a inferir una emoción. Transcribir palabras, detectar si el micrófono recibe audio, comprobar la orientación de una cámara o comentar pronunciación requieren sus propios análisis, pero no son por definición reconocimiento emocional. El expediente debe describir las señales de entrada y la inferencia que produce el sistema, no aceptar términos comerciales como «engagement» o «preparación» sin abrirlos.

También están prohibidos determinados sistemas que utilizan técnicas subliminales, manipuladoras o engañosas para distorsionar de manera apreciable el comportamiento y causar, o hacer razonablemente probable, un daño significativo. La personalización, la gamificación o una recomendación no son manipulación prohibida por sí solas. El riesgo aparece cuando el diseño supera la capacidad de una persona para tomar una decisión informada y se cumplen las condiciones de daño de la norma.

La explotación de vulnerabilidades exige otra revisión. Edad, discapacidad o situación social o económica pueden situar a una persona en una posición especialmente sensible. Una plataforma para menores no queda prohibida por dirigirse a menores; sí debe impedir que la IA explote esa vulnerabilidad para alterar el comportamiento de una forma que cause o pueda causar un perjuicio significativo.

La puntuación social tampoco debe confundirse con cualquier puntuación educativa. El artículo 5 veta sistemas que evalúan o clasifican personas durante un periodo a partir de su comportamiento social o de características conocidas, inferidas o predichas cuando el resultado produce un trato perjudicial o desfavorable en contextos no relacionados o resulta injustificado o desproporcionado. Una nota académica no es automáticamente puntuación social, pero reutilizar conducta del foro, amistades o actividad ajena al aprendizaje para restringir oportunidades exige una alarma inmediata.

La creación o ampliación de bases de reconocimiento facial mediante extracción indiscriminada de imágenes de internet o de circuitos cerrados de televisión está prohibida. Comprar una base de rostros no libera a la EdTech de comprobar su procedencia. Si una función de identidad depende de datos biométricos, el proveedor debe explicar cómo se obtuvieron y para qué pueden utilizarse.

El Reglamento prohíbe además ciertas categorizaciones biométricas individuales que infieren datos sensibles. La lista comprende raza, opiniones políticas y afiliación sindical. También incluye convicciones religiosas o filosóficas, vida sexual y orientación sexual, con las salvedades que recoge el propio artículo. Ese veto no es sinónimo de toda verificación biométrica, pero obliga a separar con precisión verificación, identificación, categorización e inferencia.

El Reglamento (UE) 2026/1744 añadió dos prohibiciones distintas: una relativa a los sistemas que generan o manipulan material íntimo realista de una persona identificable sin el consentimiento exigido, y otra relativa a los que generan o manipulan material de abuso sexual infantil. Para los proveedores, el texto también contempla resultados razonablemente previsibles y reproducibles cuando faltan salvaguardas técnicas razonables y adecuadas. Estas nuevas ramas se aplican desde el 2 de diciembre de 2026.

Control recomendado. En plataformas para menores con generación o subida de imágenes, audio y vídeo, conviene prevenir y detectar estos contenidos. También hacen falta restricciones y mecanismos de aviso, actuación y retirada que respeten la privacidad. La corrección de los fallos observados y un cauce para elevar los casos graves completan el control. Una regla en los términos de uso, por sí sola, deja el problema abierto.

El resultado de esta puerta no es una casilla verde genérica. Debe quedar una lista de capacidades prohibidas, configuraciones desactivadas, pruebas que demuestran el bloqueo y cambios de proveedor o modelo que obligan a repetirlas. En una compra, la ausencia de esa información es un riesgo del producto, no una tarea pendiente para el centro.

Transparencia: conversación, archivo y publicación no son lo mismo

El artículo 50 contiene obligaciones distintas que a menudo se mezclan bajo la expresión «etiquetar la IA». Un tutor que conversa, un generador de imágenes y una plataforma que publica una recreación audiovisual no necesitan el mismo control. Tampoco corresponde siempre la obligación al mismo operador.

El proveedor de un sistema destinado a interactuar directamente con personas debe diseñarlo para que estas sepan que hablan con una IA, salvo que resulte obvio para una persona razonablemente informada, atenta y perspicaz en las circunstancias concretas. Las directrices finales de la Comisión interpretan esa excepción de forma restrictiva.

La interacción exige un intercambio genuino y bidireccional entre el sistema y una persona. Puede producirse por texto, voz, imagen o acciones físicas. Un pódcast pasivo no entra en esta rama; un personaje que responde a la voz del alumno sí. El aviso debe aparecer, como muy tarde, al comienzo del primer intercambio y ser claro, distinguible y accesible.

«Asistente», «tutor» o un icono con estrellas no informan por sí solos de que existe una IA. En una sesión para menores, una fórmula directa funciona mejor: «Estás hablando con un tutor de inteligencia artificial. Genero las respuestas durante la conversación y puedo equivocarme». La primera frase responde al artículo 50.1; la segunda explica un límite del producto.

Obligación del Reglamento. El proveedor de un sistema que genera o manipula texto, audio, imagen o vídeo debe incorporar una marca legible por máquina y permitir detectar que la salida tiene origen artificial. No se trata necesariamente de imprimir una filigrana visible sobre cada página o de insertar una locución en todos los audios. La obligación opera en la capa técnica del sistema y debe ser eficaz, interoperable, sólida y fiable en la medida técnicamente posible.

Control recomendado. La prueba debería realizarse sobre la salida final. Un archivo puede perder metadatos al recomprimirse, montarse en un vídeo, publicarse en una red social o empaquetarse dentro de un curso. La evidencia útil identifica el componente que marca, el formato, el método de comprobación, las transformaciones tras las que el marcado sigue siendo detectable y los fallos conocidos después de exportar.

La edición ordinaria puede quedar fuera cuando no altera de manera sustancial la entrada ni su significado. Recortar, ajustar volumen, reducir ruido o corregir ortografía no equivalen a generar una obra nueva. Reescribir un guion, sintetizar toda la voz o crear escenas que no existían exige repetir el análisis.

El responsable del despliegue tiene otra obligación cuando utiliza un sistema para generar o manipular imagen, audio o vídeo que constituya una ultrafalsificación o deepfake. «Ultrafalsificación» es la denominación del texto español tras la corrección oficial publicada en 2025. El contenido debe asemejarse a personas, objetos, lugares u otras entidades o sucesos existentes y poder parecer auténtico o verdadero. No todo contenido sintético cumple esos criterios.

Una voz genérica que narra una lección es contenido sintético. Sin embargo, no tiene por qué ser una ultrafalsificación. Un clon de la voz del profesor que parece un mensaje suyo puede serlo. Una figura histórica que pronuncia palabras inventadas también puede necesitar revelación, aunque la finalidad sea educativa. El contexto, la edad y lo que el público espera encontrar forman parte del análisis.

La revelación debe ser perceptible sin herramientas especiales. La marca técnica que incorpora el proveedor es distinta de ese aviso visual o audible. En una obra artística, satírica o de ficción puede adaptarse para no perjudicar la experiencia, sin que desaparezca.

El responsable del despliegue debe revelar además determinados textos generados o manipulados por IA cuando los publica para informar al público sobre asuntos de interés general. La obligación de revelación no se aplica cuando el texto ha pasado por una revisión humana o por un control editorial sustantivo y, en cualquiera de los dos casos, una persona física o jurídica asume la responsabilidad editorial. Fuera de esa excepción, la revelación sigue siendo exigible. Pasar el corrector ortográfico no constituye por sí solo esa revisión.

Esta rama afecta a comunicados, noticias, explicaciones públicas de cambios normativos o contenidos institucionales, no a cualquier resumen privado que prepara un alumno. La ficha debe registrar si el texto se publica, con qué finalidad, qué fuentes se comprobaron, quién lo revisó y quién responde de la versión final.

Quien despliega un sistema permitido de reconocimiento de emociones o categorización biométrica debe informar a las personas expuestas. Esa obligación no abre una excepción a las prohibiciones. Primero se determina si el uso es lícito; después, si lo es, se diseña el aviso y se aplican las reglas de protección de datos.

Obligación del Reglamento. El operador al que corresponda debe presentar la información del artículo 50 de forma clara, distinguible y accesible, conforme a la rama aplicable.

Control recomendado. El idioma, la redacción y el nivel de lectura deberían adecuarse a la audiencia. Conviene repetir el aviso cuando cambia la finalidad; por ejemplo, si una sesión pasa de práctica a examen. El cambio no debería quedar oculto detrás del aviso inicial del tutor.

El análisis detallado de archivos, voces clonadas, avatares y juegos de rol se desarrolla en Cómo afecta el Reglamento de IA a vídeos, pódcast y simulaciones educativas. Allí se sigue el mismo ejercicio por cinco puertas: archivo, interacción, apariencia, biometría y evaluación.

Cuándo un uso educativo puede ser de alto riesgo

El anexo III no declara de alto riesgo cualquier sistema utilizado en un aula o un LMS. Enumera cuatro finalidades educativas. El sistema debe estar destinado a utilizarlas y el análisis debe atender a su efecto real en el proceso, no a una semejanza superficial con el nombre de la categoría.

La primera rama cubre sistemas destinados a determinar el acceso o la admisión de personas a instituciones educativas y de formación profesional, o a asignarlas a dichas instituciones. La guía oficial de casos educativos incluye la evaluación automatizada de solicitudes, la asignación de centros, el emparejamiento con plazas de formación profesional y la elegibilidad para determinadas becas.

Un chatbot que se limita a explicar requisitos de admisión queda fuera de ese supuesto en el ejemplo oficial. También puede quedar fuera una herramienta que recomienda programas a una persona para que decida dónde presentar su solicitud, siempre que no determine el acceso ni influya en la admisión. La frontera aparece cuando la salida puntúa, ordena, excluye o condiciona la decisión de la institución.

Cuando el sistema está destinado a utilizarse por cuenta de una institución educativa o de formación profesional, o en ese contexto, la segunda rama comprende la evaluación de resultados de aprendizaje, incluidos los casos en que esos resultados se utilizan para dirigir el proceso de aprendizaje. Corregir exámenes, puntuar ensayos, evaluar respuestas orales o producir informes que influyen en la nota son ejemplos claros. Que una persona confirme el resultado no elimina la finalidad evaluadora del sistema.

El destino de la salida distingue la práctica de la evaluación. La herramienta de pronunciación que solo utiliza el alumno para mejorar y que no conduce a una credencial aparece fuera del alto riesgo en la guía oficial. Si el mismo resultado llega al docente, contribuye a la nota o acredita el nivel lingüístico, el análisis cambia.

En ese mismo contexto institucional, la tercera rama incluye sistemas destinados a determinar el nivel adecuado de educación que una persona recibirá o al que podrá acceder. Una prueba de nivel, la asignación a una ruta formativa o una clasificación que influye en apoyos educativos puede entrar aquí. Una recomendación voluntaria basada en intereses, sin efecto sobre el acceso ni el nivel, no es lo mismo.

También cuando se utilizan por cuenta de una institución educativa o de formación profesional, o en ese contexto, la cuarta rama cubre sistemas destinados a vigilar y detectar conductas prohibidas durante pruebas. Incluye vigilancia remota mediante imágenes del rostro, el registro de pulsaciones del teclado, la captura de pantalla u otras señales, además de sistemas presenciales que señalan conductas. Un detector de similitud utilizado sobre una tarea entregada fuera de una prueba vigilada no entra por ese solo hecho en el punto 3(d), aunque habrá que estudiar si su salida influye en la evaluación del punto 3(b).

No conviene utilizar «influencia material» como una fórmula vacía. Hay que registrar quién ve la salida, qué autoridad tiene, si suele seguirla, qué opciones desaparecen y cómo se documenta una discrepancia. Si, por ejemplo, el docente acepta una recomendación en el 98 % de los casos, esta puede influir más que una decisión denominada automática pero sometida a una revisión exigente.

El filtro del artículo 6.3 no es una exención por tener a una persona delante

Un sistema comprendido en el anexo III puede no considerarse de alto riesgo si se cumplen las condiciones del artículo 6.3. El filtro es restringido y corresponde al proveedor documentarlo antes de introducir el sistema en el mercado o ponerlo en servicio.

Primero, el sistema no debe plantear un riesgo importante de causar perjuicios a la salud, la seguridad o los derechos fundamentales. La falta de influencia material sobre el resultado de una decisión forma parte de esa valoración. No es una quinta vía independiente que permita saltarse las demás condiciones.

Segundo, el sistema debe cumplir al menos una de cuatro condiciones tasadas: realizar una tarea procedimental estrecha; mejorar el resultado de una actividad humana ya terminada; detectar patrones o desviaciones sin que esté concebido para sustituir la evaluación humana ya realizada ni influir en ella sin una revisión humana adecuada; o ejecutar una tarea preparatoria para una evaluación comprendida en el anexo III.

La guía oficial ofrece ejemplos útiles. Organizar expedientes de admisión, extraer información o traducir documentos puede ser una tarea preparatoria o procedimental. Comprobar la redacción de un examen ya preparado puede mejorar un trabajo humano terminado si no cambia su dificultad ni intención. Revisar ex post patrones de notas puede detectar desviaciones si no modifica ni influye en la evaluación ya cerrada. Calcular una media con reglas fijas puede ser una tarea estrecha.

Esas descripciones contienen sus propios límites. Un organizador que puntúa elegibilidad deja de limitarse a ordenar archivos. Un revisor que cambia la dificultad deja de corregir la redacción. Una alerta ex post que reabre automáticamente la nota ya influye en la decisión. Una calculadora que interpreta evidencias y decide ponderaciones no ejecuta una operación estrecha.

El filtro no se aplica cuando el sistema elabora perfiles de personas. En esta guía, perfilado conserva el sentido del artículo 4.4 del RGPD: tratamiento automatizado de datos personales para evaluar aspectos de una persona, en particular para analizar o predecir rendimiento, situación económica, salud, preferencias, intereses, fiabilidad, comportamiento, ubicación o movimientos. La prueba documenta los datos utilizados, el aspecto personal evaluado o predicho, la finalidad, la salida individual y su efecto. La asignación escolar del ejemplo oficial usa domicilio, zona, capacidad, hermanos y situación familiar para decidir una plaza; la guía considera que existe perfilado y que el filtro queda cerrado.

Si concluye que el sistema no es de alto riesgo, el proveedor debe conservar la evaluación e inscribir en la base de datos de la Unión la información exigida sobre sí mismo y sobre el sistema, conforme al artículo 49.2. La evaluación debe describir la finalidad y las funciones, razonar el posible perjuicio, identificar la condición aplicada y demostrar que no existe elaboración de perfiles. Una frase en el contrato no acredita esos extremos.

Expediente propuesto para documentar el filtro

1. Condición de clasificación: identificar la rama del anexo III que habría resultado aplicable.
2. Condición de clasificación: explicar por qué el sistema no plantea un riesgo importante para la salud, la seguridad o los derechos fundamentales.
3. Condición de clasificación: elegir y justificar una de las cuatro condiciones, con límites funcionales comprobables.
4. Condición de clasificación: demostrar que no existe elaboración de perfiles.
5. Obligación del Reglamento: registrar la evaluación, la versión y los cambios que obligan a repetirla.
6. Obligación del Reglamento: cumplir la inscripción prevista.
7. Control recomendado: entregar al responsable del despliegue información suficiente para mantener las condiciones.

Una revisión humana puede ser un control importante y, en alto riesgo, una obligación de diseño y operación. No convierte por sí sola un sistema en tarea preparatoria ni elimina su influencia. El análisis debe seguir la salida hasta la decisión final y comprobar si la persona tiene tiempo, información, competencia y autoridad para apartarse de ella.

Matriz de 80 supuestos de IA en EdTech

La matriz siguiente no asigna una etiqueta perpetua a una función. Da un punto de partida y señala el hecho que obliga a cambiar el análisis. La versión descargable añade finalidad, controles inmediatos y evidencias para cada caso.

Diseño curricular, autoría, preguntas y rúbricas

Preparar material no equivale a evaluar a una persona. La separación se rompe cuando la salida generada se convierte en criterio, puntuación, nivel o decisión sin un nuevo análisis.

Imagen, vídeo, audio, pódcast y accesibilidad de medios

En esta familia, la primera pregunta es quién provee el sistema generativo. Después se comprueba cómo incorpora el marcado, durante qué transformaciones se conserva, si la publicación constituye una ultrafalsificación, si existe interacción y si el medio se utiliza para observar o evaluar al alumno.

Control recomendado. La revisión humana debería ser sustantiva. Revisar un material significa comprobar su exactitud, su adecuación curricular, sus fuentes, su lenguaje, su accesibilidad y los derechos necesarios. Una aprobación masiva sin tiempo ni criterios no transforma por arte de magia una salida generada en contenido de calidad.

Tutores, agentes, simulaciones y práctica

La conversación activa el artículo 50.1. Eso no decide por sí solo el nivel de riesgo. El cambio aparece cuando el tutor deja de explicar y su salida influye en una evaluación, una trayectoria o una acción dentro de la plataforma.

Control recomendado. Un agente requiere además un análisis de permisos. Leer el curso, crear una actividad y matricular a una persona son operaciones distintas. La autorización debería limitar las herramientas, los datos, el ámbito, la frecuencia y los estados permitidos. El sistema debería registrar cada acción y ofrecer parada, reversión y recuperación ante una ejecución parcial. Las operaciones que cambian un estado necesitan un identificador único, deduplicación de reintentos y límites transaccionales o compensaciones. Si faltan datos, las precondiciones no se cumplen o el estado es ambiguo, el agente debe abstenerse de actuar y derivar el caso a una persona.

Evaluación, comentarios, integridad y acreditación

La frontera no está entre evaluación automática y evaluación humana. Está entre preparar, sugerir, puntuar, decidir y acreditar. Un sistema puede ser de alto riesgo aunque su nota sea una recomendación si influye en la evaluación final.

Control recomendado. Los detectores de texto generado no deberían ser la única prueba de una infracción. Antes de utilizarlos conviene conocer su rendimiento con la lengua, la edad, el tipo de tarea y los grupos afectados; conservar el texto y los indicios que puede revisar la persona; y ofrecer una vía efectiva para corregir falsos positivos.

La acreditación no empieza al emitir el certificado. Si una IA evalúa la evidencia que determina una insignia o microcredencial, el análisis de la decisión empieza antes. La emisión automática posterior puede ser una tarea estrecha, sin que ello reduzca el análisis del componente que juzgó el aprendizaje.

Adaptación, recomendación, nivel y éxito del estudiante

Personalizar una interfaz no equivale a fijar el nivel educativo. Sin embargo, una adaptación que evalúa resultados y utiliza esa evaluación para dirigir el proceso puede entrar en el punto 3(b), aunque nunca cambie el nombre oficial del curso.

Control recomendado. Las alertas de abandono deberían evaluarse no solo por su capacidad predictiva, sino también por el efecto que producen en el apoyo, los daños, los grupos afectados y la respuesta humana. Una alerta inútil añade vigilancia sin mejorar el apoyo. Una alerta sesgada concentra intervenciones o sospechas sobre los mismos grupos. El expediente debería comparar el beneficio, el daño, los falsos positivos, la respuesta humana y el resultado observado.

Admisión, becas, asignación, identidad y vigilancia

El sistema no deja de influir porque una comisión firme después. La pregunta es si la salida puntúa, ordena, filtra o condiciona lo que la comisión decide y si la persona dispone de información suficiente para apartarse de ella.

Control recomendado. La vigilancia de pruebas requiere una interfaz que muestre el indicio, no solo el veredicto. La persona debería poder revisar la secuencia, distinguir un fallo técnico de una conducta y registrar el motivo de su decisión. Un porcentaje de «sospecha» sin evidencia verificable no es supervisión.

Analítica, administración, investigación y frontera laboral

Las funciones administrativas suelen quedar fuera del alto riesgo educativo mientras no evalúen personas ni cambien sus oportunidades. La clasificación debe reabrirse cuando el resultado individual entra en una decisión académica, disciplinaria o laboral.

La formación corporativa exige mirar fuera de la categoría educativa. Si una puntuación obtenida en un curso se utiliza para promoción, selección, asignación de tareas o despido, puede abrirse la rama de empleo del anexo III. Cuando el responsable del despliegue es el empleador, el artículo 26.7 exige informar antes del uso a la representación de los trabajadores y a las personas afectadas conforme a las normas y prácticas aplicables. Llamar «LXP» al producto no mantiene la decisión dentro del ámbito formativo.

La cuarta columna de las tablas no contiene una reclasificación automática: señala la condición que obliga a volver a la ficha canónica y revisar las ramas correspondientes. Cada fila debe leerse como «para este supuesto, la orientación es esta; si ocurre el hecho indicado, se repite el análisis». La matriz completa en CSV conserva los ochenta supuestos con finalidad, orientación, hecho de cambio, controles y evidencias. La guía completa en PDF ofrece además el anexo en fichas rotuladas para lectura lineal y pantallas estrechas. Ninguno de los tres formatos sustituye un dictamen sobre el sistema concreto.

Diseñar cursos y contenidos sin convertir la revisión en un sello vacío

Generar un curso no convierte por sí solo el sistema en uno de alto riesgo por el mero hecho de que después lo estudien miles de personas. La obligación específica del artículo 50.2 puede afectar al proveedor del sistema generativo y la publicación puede abrir otras ramas, pero el volumen de estudiantes no convierte por sí solo la autoría en una decisión del anexo III.

Eso no reduce la responsabilidad pedagógica. La Comisión incluye en el contenido educativo digital lecciones y libros; vídeos y mapas interactivos; cuestionarios y materiales generados con IA. Sus directrices de calidad separan currículo y pedagogía del efecto sobre el aprendizaje. También tratan la participación, la accesibilidad y la legalidad, además de la fiabilidad, la seguridad, la compatibilidad y la sostenibilidad.

Control recomendado. Un control previo a la publicación debería comprobar la relación con los objetivos y el currículo. Después revisa la exactitud, la procedencia de las fuentes y la ausencia de contenido inventado presentado como real. También cubre la propiedad intelectual y la accesibilidad. Por último, comprueba la evaluación prevista y el comportamiento después de exportar al LMS. La persona que aprueba debería poder editar y devolver el material, no limitarse a confirmar un lote.

Control recomendado. Las preguntas y rúbricas merecen un control específico. Preparar un instrumento no equivale a evaluar al alumno, pero una mala pregunta puede invalidar la decisión posterior. Antes de usarla conviene comprobar qué aprendizaje o competencia pretende medir, además de la cobertura y la dificultad. Después se examinan las opciones, el lenguaje y los sesgos. La solución esperada y la relación con la rúbrica cierran la revisión.

Cuando el sistema transforma un documento de origen en un curso, la trazabilidad debe enlazar cada afirmación con su procedencia. Un porcentaje general de «contenido basado en fuentes» no ofrece el detalle necesario para localizar y corregir los problemas de una lección. La revisión necesita saber qué fragmento se recuperó, qué transformación se hizo y qué versión se publicó.

Cuestionarios y evaluación: cinco operaciones que no deben mezclarse

Los párrafos operativos de esta sección describen controles recomendados. Las referencias al anexo III identifican condiciones de clasificación, no convierten cada medida propuesta en una obligación literal.

Un módulo puede preparar preguntas; proponer una puntuación para que otra persona la acepte o la rechace; asignar puntos a una respuesta; convertir esos puntos en la calificación oficial; y emitir la acreditación correspondiente. Son cinco operaciones. La supervisión, los datos y la categoría aplicable cambian a medida que la salida se acerca a una consecuencia académica.

En una pregunta de elección múltiple, la respuesta puede parecer determinista. Aun así, la IA puede haber generado el enunciado, decidido las opciones, interpretado una respuesta ambigua o asignado una competencia. La ficha debe separar la regla aritmética del contenido y de la interpretación. Solo así podrá justificar que una parte es una tarea procedimental y otra no.

Las respuestas abiertas requieren una validación más exigente. Una rúbrica no elimina la variabilidad del modelo. Hay que probar ejemplos claros, fronterizos y adversariales; respuestas breves y extensas; distintas variedades lingüísticas; errores formales con buen razonamiento; soluciones válidas minoritarias; enfoques correctos poco habituales; y respuestas que difieren del ejemplo de referencia.

En voz y vídeo, conviene separar lo que se evalúa de la señal capturada. Calificar el argumento, la pronunciación o una secuencia práctica no autoriza a inferir nerviosismo, confianza o compromiso. Si el sistema analiza rostro, voz o movimiento, la documentación debe enumerar las características utilizadas y descartar inferencias prohibidas.

La supervisión docente necesita una unidad revisable. Mostrar una nota y una frase genérica deja fuera lo necesario para revisarla. La persona debería consultar la respuesta relevante, la rúbrica aplicada, los puntos de desacuerdo y los cambios respecto de versiones anteriores. Cuando exista una estimación de incertidumbre calibrada y validada para esa tarea, puede mostrarse con sus límites; si no existe, conviene presentar evidencia, desacuerdos y casos límite sin inventar una puntuación de confianza. La persona también debe poder anular la propuesta sin que el sistema vuelva a imponerla en el siguiente paso.

El procedimiento de revisión a disposición del alumno no debe presentarse como una garantía universal del Reglamento. Hay que diseñar el recorrido aplicable. Primero se informa sobre el uso de IA y se ofrece revisión humana cuando corresponda. En los supuestos del artículo 86 se explican los elementos principales. El recorrido añade la rectificación de datos, el recurso académico o administrativo y el registro de la resolución.

Tutores y adaptación: explicar no es decidir

Los límites de permisos, reversibilidad y autorización de este apartado son controles recomendados. Cuando una finalidad abre el anexo III o el artículo 50, el texto lo indica de forma expresa.

Obligación del Reglamento. El proveedor de un tutor que responde preguntas debe diseñarlo para informar al usuario, como muy tarde al comienzo del primer intercambio, de que interactúa con una IA cuando no resulte obvio.

Control recomendado. El expediente del tutor debería incluir fuentes, límites de tema, evaluación de errores, una vía de derivación y un protocolo para mensajes sobre autolesión, abuso, violencia u otras emergencias definidas por la institución. Otra norma. La protección de datos requiere su propio análisis. Nada de ello convierte automáticamente el sistema en uno de alto riesgo.

La categoría cambia cuando el tutor produce resultados que el centro utiliza para calificar o dirigir el proceso de aprendizaje. Un informe al final de cada unidad puede parecer formativo; si el docente lo utiliza para decidir la nota final, la guía oficial lo sitúa dentro del análisis del punto 3(b).

La adaptación necesita una escala de influencia. Sugerir otro ejercicio dentro de una sesión es distinto de impedir el acceso a determinados contenidos, asignar una ruta persistente, recomendar un nivel oficial o bloquear el acceso a una titulación. La ficha debe registrar duración, reversibilidad, autoridad y consecuencias. «Personalizado» no describe ninguna de esas propiedades.

Control recomendado. Un agente con capacidad de actuar añade otro riesgo: puede convertir una recomendación en ejecución. Si crea una actividad, cambia una fecha, matricula a una persona o envía una calificación, cada herramienta requiere permisos y controles propios. Las acciones con efecto académico deberían exigir una autorización explícita y dejar una traza reconstruible. Un reintento no debe duplicar una matrícula, un envío o un cambio: se necesitan claves de idempotencia, deduplicación y límites transaccionales. Cuando los datos o el estado no permiten decidir, el resultado correcto es la abstención y la derivación humana.

Un mismo juego de rol puede contener cinco productos distintos

Una entrevista simulada de idiomas muestra por qué conviene clasificar usos, no pantallas. En la primera versión, un avatar ficticio conversa y ofrece comentarios privados de práctica. Obligación del Reglamento. El proveedor debe incorporar el aviso de interacción. Condición de clasificación. Si el centro no utiliza el resultado, el uso puede quedar fuera del alto riesgo educativo. El contenido sintético y las normas que puedan afectarlo se revisan por separado.

En la segunda versión, el avatar imita la voz y el aspecto de una persona real. Aparecen la posible ultrafalsificación, el aviso perceptible y las preguntas sobre consentimiento, derechos de voz e imagen. El ejercicio sigue sin ser necesariamente de alto riesgo educativo.

En la tercera, el sistema deduce nerviosismo y confianza a partir del rostro y la voz. Si la inferencia se basa en datos biométricos y el sistema se utiliza en un centro educativo, el uso está prohibido, salvo por los motivos médicos o de seguridad previstos. Si alguna condición no concurre, el expediente debe documentarlo. La transparencia no corrige el problema.

En la cuarta, la entrevista puntúa la competencia oral y contribuye a la nota. La finalidad abre el punto 3(b) del anexo III. En la quinta, la misma puntuación decide el nivel o la admisión; entran además las ramas 3(c) o 3(a). La interfaz apenas ha cambiado, pero el producto regulado ya no es el mismo.

Abrir la imagen a tamaño completo

Admisión, nivel, becas, asignación y vigilancia: cinco controles propios

Los cinco apartados siguientes son controles recomendados para aplicar y demostrar las obligaciones que correspondan. Pueden sustituirse por medidas equivalentes si el expediente justifica la decisión.

Estos usos merecen un recorrido separado porque la salida puede abrir o cerrar una oportunidad educativa. Informar sobre una titulación no equivale a recomendar a quién admitir. Ordenar documentos no es lo mismo que clasificar candidatos. Corregir una errata en una pregunta tampoco equivale a decidir el nivel que una persona puede cursar. La interfaz puede parecer administrativa mientras la consecuencia recae sobre el acceso, la ayuda, el grupo o la prueba.

1. Separar la preparación de la decisión

Una función que indexa expedientes, extrae campos, traduce documentos o señala datos ausentes puede limitarse a una tarea preparatoria. El análisis cambia cuando ordena candidatos, calcula elegibilidad, recomienda una plaza, asigna un nivel o produce una salida que influye de forma apreciable en la decisión. La presencia de una validación humana no excluye por sí sola el alto riesgo: hay que comprobar cuánto condiciona la salida y si se cumplen las condiciones del artículo 6.3.

La ficha debe conservar la salida exacta que recibe quien toma la decisión. No basta con escribir «asistencia a admisiones». Hay que indicar si ve datos extraídos, una alerta, una puntuación, un orden o una recomendación, y si puede acceder al expediente original sin que la clasificación automática domine la pantalla. Si se aplica una excepción del artículo 6.3, la justificación y el registro previsto en el artículo 49.2 forman parte de la evidencia.

2. Controlar finalidad, variables y datos de entrada

Antes de probar el modelo, el equipo debe fijar qué decisión admite cada salida. Una puntuación creada para priorizar la revisión documental no debería reutilizarse para denegar una plaza ni para conceder una beca. El expediente identifica criterios, pesos, umbrales, datos derivados y variables que no pueden utilizarse. También distingue una equivalencia académica validada de una inferencia construida a partir del código postal, la actividad en la plataforma o el comportamiento social.

Los datos de entrada requieren controles que correspondan al proceso educativo. Conviene probar expedientes incompletos, títulos de otros sistemas, cambios de nombre, documentos en distintos idiomas, ajustes por discapacidad y situaciones en las que el dato correcto llega tarde. La prueba no se limita a detectar un campo vacío: debe comprobar qué decisión produciría el sistema y si la persona puede corregir el expediente antes de que cause efecto.

3. Medir el error donde produce consecuencias

Una media global no explica a quién deja fuera el sistema. El plan de aceptación debe medir resultados por tipo de expediente, vía de acceso y grupos relevantes para el contexto, además de los casos próximos al umbral. También necesita ejemplos adversariales: documentos contradictorios, equivalencias dudosas, empates, poca evidencia y cambios de criterio entre convocatorias.

La revisión humana se prueba con tareas reales. La persona debe poder ver la evidencia, apartarse de la recomendación, dejar un motivo y detener el lote cuando aparezca un patrón de error. Si el proceso recompensa aceptar la salida con rapidez o esconde la alternativa, la supervisión existe en el procedimiento, pero no en la operación.

4. Tratar la vigilancia de pruebas como un sistema distinto

El anexo III incluye la vigilancia y detección de conductas prohibidas durante pruebas. Eso no convierte cualquier comprobación de identidad o presencia en el mismo caso. Hay que separar autenticación, control técnico de la sesión, observación de señales y conclusión sobre una conducta. Los cuatro pasos utilizan datos distintos y producen errores y consecuencias diferentes.

Un expediente de vigilancia enumera las señales observadas, la inferencia que se obtiene y quién puede verla. Registra falsos positivos, calidad insuficiente de cámara o audio, fallos de red, tecnologías de apoyo y condiciones del entorno. Una alerta no debería transformarse directamente en sanción: el revisor necesita el acontecimiento subyacente, una vía para pedir contexto y la capacidad de descartar la salida sin perjudicar al alumno.

5. Diseñar explicación, reclamación y reversión

Admisión, beca, nivel y vigilancia necesitan un punto claro de responsabilidad. La persona afectada debe saber que se utilizó el sistema cuando proceda, dónde solicitar información y cómo impugnar el resultado. El producto debe conservar qué versión intervino, qué datos recibió, qué salida produjo, quién decidió y qué ocurrió después, dentro de los límites de privacidad y conservación aplicables.

La reversión no puede depender de una corrección manual improvisada. Debe estar previsto cómo reabrir un expediente, recalcular sin el componente defectuoso, suspender un modelo para una convocatoria y revisar decisiones anteriores afectadas por el mismo fallo. Ese diseño convierte la reclamación en una capacidad operativa, no en un correo que llega cuando el proceso ya ha terminado.

Expediente técnico y conformidad del proveedor

Las obligaciones de alto riesgo no consisten en redactar una política al final del proyecto. Afectan al diseño, los datos, la interfaz, las pruebas, la documentación, la comercialización y la operación posterior. El artículo 16 obliga al proveedor a asegurar el cumplimiento de los requisitos del capítulo III y a poder demostrarlo antes de introducir el sistema en el mercado o ponerlo en servicio.

El sistema de gestión de riesgos del artículo 9 acompaña todo el ciclo de vida. Debe identificar y analizar riesgos conocidos y previsibles, estimar y evaluar los que pueden aparecer con el uso previsto o un uso indebido razonablemente previsible, adoptar medidas y comprobar su eficacia. Control recomendado: en EdTech, la prueba debería incluir daño educativo y efectos sobre derechos, no solo seguridad técnica.

La gobernanza de datos del artículo 10 exige examinar los conjuntos utilizados para entrenamiento, validación y prueba cuando se emplean técnicas que entrenan modelos con datos. Pertinencia, representatividad, calidad, errores, sesgos, lagunas y contexto geográfico o funcional importan. Un modelo de evaluación oral probado solo con adultos nativos no acredita rendimiento sobre menores que aprenden una segunda lengua.

La documentación técnica del artículo 11 debe existir antes de la comercialización o puesta en servicio y mantenerse actualizada; el artículo 18 regula su conservación por el proveedor. Describe finalidad, arquitectura, datos, desarrollo, validación, métricas, supervisión, ciberseguridad, cambios y cumplimiento. Si la solución incorpora modelos o componentes de terceros, el contrato debe facilitar la información y el acceso necesarios para completar esa documentación.

El artículo 12 exige que el sistema permita el registro automático de acontecimientos relevantes durante su vida, y el artículo 19 regula los registros bajo el control del proveedor. Deben servir para reconstruir decisiones, vigilar el funcionamiento e investigar incidentes. No se trata de guardar indiscriminadamente cada conversación y cada dato del alumno: la selección debe ser útil, proporcionada y compatible con la protección de datos.

Las instrucciones que el proveedor entrega al responsable del despliegue conforme al artículo 13 deben explicar capacidades, límites, precisión, grupos y contextos, datos de entrada, supervisión, mantenimiento, registros y riesgos conocidos. Una frase como «la IA puede equivocarse» deja al equipo sin criterios para supervisar una corrección automática ni para decidir si una desviación obliga a detener el sistema.

La supervisión humana se incorpora al diseño en los términos del artículo 14. La persona debe comprender las capacidades y limitaciones, detectar anomalías, interpretar correctamente la salida, evitar confiar de manera automática, decidir no utilizarla, ignorarla o revertirla y detener el sistema cuando proceda. La interfaz ha de ofrecer la información y los mandos que hacen posibles esas acciones.

El artículo 15 exige niveles adecuados de precisión, solidez y ciberseguridad y que las métricas pertinentes se declaren en las instrucciones. Control recomendado: en una evaluación, una exactitud media resulta insuficiente; conviene medir acuerdo con evaluadores, estabilidad entre ejecuciones, rendimiento por tipo de respuesta y grupo, resistencia a entradas adversariales, degradación por cambios de modelo y comportamiento ante datos incompletos.

El artículo 17 exige al proveedor un sistema de gestión de calidad que ordene la estrategia de cumplimiento, el diseño, las pruebas, la documentación, el control de cambios, los proveedores, las incidencias, la vigilancia y la mejora. Las guías prácticas de AESIA convierten estas familias en medidas y hojas de diagnóstico que pueden servir de base, adaptadas al producto.

Antes de comercializar, se realiza la evaluación de conformidad que corresponda. Para los sistemas del anexo III, el Reglamento prevé con carácter general el procedimiento basado en control interno en las condiciones del artículo 43, sin perjuicio de los casos que requieren otra intervención. Después llegan la declaración UE de conformidad del artículo 47, el marcado CE del artículo 48 y el registro del artículo 49, cuando sean aplicables.

El trabajo no termina con el lanzamiento. El artículo 72 exige al proveedor un sistema y un plan de vigilancia posterior que recojan y analicen datos de funcionamiento durante la vida del sistema. Un cambio de modelo, una cohorte nueva, una actualización de rúbrica o una variación de idioma pueden revelar degradación, sesgo o un uso no previsto.

Los incidentes graves siguen el circuito de notificación del artículo 73, mientras que el artículo 20 regula las acciones correctivas y el deber de información del proveedor. Control recomendado: el producto debería fijar criterios para reconocerlos, preservar pruebas, suspender una función, informar a los operadores pertinentes de otras etapas de la cadena, corregir el problema y comprobar que la reanudación no repite el daño.

El calendario hasta diciembre de 2027 deja margen para construir estas capacidades por fases. Aun así, ningún equipo puede afirmar que un sistema es conforme antes de completar el procedimiento aplicable. Mientras siga incompleto, la descripción correcta es «en preparación para la conformidad», acompañada de lo que ya se ha probado y lo que sigue abierto.

Obligaciones de quien despliega un sistema de alto riesgo

El centro, la universidad, la empresa de formación o la propia EdTech pueden actuar como responsables del despliegue. El artículo 26 les exige utilizar el sistema conforme a las instrucciones y adoptar medidas técnicas y organizativas adecuadas. La declaración del proveedor no cubre ese trabajo.

La supervisión se asigna a personas con competencia, formación, autoridad y apoyo. Los cuatro elementos son necesarios. Un docente que entiende el sistema pero no puede anular la nota carece de autoridad; quien puede detenerlo pero recibe mil alertas por hora carece de apoyo; quien no conoce los límites no puede interpretar la salida.

Cuando controla los datos de entrada, el responsable del despliegue debe asegurar que sean pertinentes y suficientemente representativos para la finalidad. En una admisión, importar un expediente incompleto o una equivalencia mal resuelta puede distorsionar el resultado aunque el modelo cumpla sus métricas de laboratorio.

El funcionamiento debe vigilarse según las instrucciones. Si existen motivos para considerar que el uso puede dar lugar a un riesgo, debe informarse al proveedor o distribuidor y a la autoridad pertinente en los casos previstos, y suspenderse el uso. Los incidentes graves siguen su propio canal de notificación.

Los registros generados automáticamente que estén bajo el control del responsable del despliegue se conservan durante un periodo adecuado y, con carácter general, al menos seis meses, salvo que otra norma disponga otra cosa. El plazo no autoriza a conservar todos los datos personales: hay que decidir qué acontecimientos es necesario registrar y qué información puede separarse, agregarse o eliminarse.

Las personas sometidas a una decisión que el responsable adopta o ayuda a adoptar mediante un sistema de alto riesgo del anexo III deben recibir la información que exige el Reglamento. El mensaje debe identificar el uso del sistema y permitir entender dónde pedir aclaración o ejercer la vía correspondiente.

El artículo 86 reconoce, en los supuestos que delimita, el derecho a obtener una explicación clara y significativa sobre el papel del sistema en una decisión y los principales elementos de la decisión. Este derecho convive con las garantías más amplias que puedan proceder del RGPD, la normativa educativa o el procedimiento administrativo.

Los organismos de Derecho público y las entidades privadas que prestan servicios públicos deben realizar, antes del despliegue, la evaluación de impacto sobre derechos fundamentales aplicable a determinados sistemas del anexo III. Cuando ya exista una evaluación que cubra sus obligaciones, pueden apoyarse en ella o completarla en los términos del artículo 27. El considerando 96 menciona la educación entre los servicios públicos. La evaluación describe procesos, duración, afectados, riesgos, supervisión, medidas, gobierno y reclamaciones, se notifica según la norma y se actualiza cuando cambian los elementos relevantes.

La evaluación de derechos fundamentales y la evaluación de impacto del RGPD se complementan. Pueden compartir información, pero responden a preguntas distintas. Una estudia el efecto del sistema sobre un conjunto de derechos y grupos; la otra se centra en el tratamiento de datos personales y su alto riesgo. Un único documento puede coordinarlas si conserva la cobertura de ambas.

Las autoridades, instituciones, organismos y agencias públicos que despliegan sistemas de alto riesgo tienen una comprobación adicional. El artículo 26.8 les exige cumplir las obligaciones de registro del artículo 49. Si el sistema previsto no figura en la base de datos de la Unión, no deben utilizarlo y han de informar al proveedor o al distribuidor.

Cuando el responsable del despliegue es un empleador, debe informar antes de poner en servicio o utilizar el sistema de alto riesgo a la representación de los trabajadores y a las personas afectadas. El artículo 26.7 remite además a las reglas y procedimientos europeos y nacionales aplicables. La evidencia conserva el contenido, los destinatarios, la fecha y el cauce de esa información.

La institución debe comprobar que la persona puede apartarse de la salida en la práctica. Una prueba útil presenta casos con información incompleta, conflicto entre la recomendación y la evidencia, alerta errónea y presión de tiempo. Si todos terminan aceptando el sistema porque la interfaz oculta la alternativa, la supervisión no funciona.

El seguimiento debe medir también la decisión humana. La tasa de anulaciones, los motivos, las diferencias entre grupos y el tiempo de revisión muestran cómo actúa la persona. Los errores confirmados, los recursos interpuestos y las resoluciones favorables al recurrente completan la medida. Juntos indican si la persona controla el sistema o solo legitima su salida. Esa observación no puede convertirse en una evaluación oculta del docente sin abrir el análisis laboral y de datos correspondiente.

Qué exigir al comprar una función de IA educativa

Salvo las obligaciones atribuidas expresamente al Reglamento y a un operador, este apartado reúne controles recomendados de compra y contratación.

Con una declaración genérica de «cumplimiento con el AI Act» no se puede clasificar ni operar el producto. La compra debe identificar el sistema, su versión, la finalidad prevista, las configuraciones autorizadas, los papeles de cada parte y la evidencia que se entregará durante la relación.

El proveedor debe enumerar modelos y componentes críticos, regiones de tratamiento, subcontratistas, usos de los datos, retención, entrenamiento y transferencias. También debe explicar qué ocurre cuando cambia de modelo y con cuánta antelación informa de una modificación que pueda afectar a finalidad, rendimiento o conformidad.

En contenido sintético, la prueba incluye formatos, marcado y detección después de exportar. En interacción, incluye el mecanismo de aviso y su personalización accesible. En evaluación, añade conjuntos de prueba, resultados por grupos y tipos de respuesta, limitaciones, supervisión y acceso a registros. En vigilancia remota de exámenes, exige evidencia de falsos positivos y la lista exacta de señales e inferencias.

Los contratos de sistemas de alto riesgo deben permitir que las partes posteriores cumplan sus obligaciones. El artículo 25 exige cooperación e información entre determinados operadores. Un proveedor que oculta instrucciones, métricas, registros o cambios puede impedir que la EdTech complete su documentación o que el centro ejerza una supervisión real.

Si el comprador es una entidad pública, el expediente contractual debe incluir la identificación necesaria para comprobar el registro europeo antes del uso. Si desplegará el sistema como empleador, debe obtener con tiempo la información que entregará a representantes y personas afectadas. El contrato aporta contenido y cooperación; la responsabilidad de informar y comprobar no desaparece por delegarla al proveedor.

El contrato debe permitir sustituir al proveedor o retirar la función sin perder notas, solicitudes ni recursos en curso. También necesita la exportación de la evidencia, la asistencia durante incidentes, la conservación al terminar, la eliminación verificable y la continuidad de las vías de explicación.

Control recomendado. Una prueba piloto debería empezar con casos sintéticos siempre que permitan evaluar el comportamiento para la finalidad prevista, con criterios de aceptación fijados antes de medir y un modo de observación que no influya en decisiones. Solo utilizará datos reales cuando exista una base jurídica documentada, sean necesarios y mínimos para la prueba, estén autorizados los accesos y se hayan fijado la finalidad, la conservación, la seguridad y el borrado. Pasar a producción requiere una aprobación distinta y evidencia de que la configuración probada coincide con la desplegada.

Arquitectura de cumplimiento: del inventario a la retirada

La arquitectura que sigue es un conjunto de controles recomendados. Su finalidad es volver ejecutables y comprobables las decisiones jurídicas; no se presenta como una arquitectura literal impuesta por el Reglamento.

La arquitectura debe mantener un catálogo de casos, no solo una lista de claves de API. Ese catálogo es la vista técnica de la ficha canónica. La versión, el modelo, las entradas, las salidas, las fuentes y los datos describen la función y aportan evidencia. El proveedor y el responsable del despliegue identifican al actor. La finalidad, los permisos, los avisos y las decisiones autorizadas concretan la decisión. Los incidentes y los efectos registran la consecuencia. Las evaluaciones, la aprobación y el estado completan la evidencia. No se crea un segundo inventario.

Una pasarela común restringe modelos, datos, herramientas y salidas; registra versiones; ejecuta evaluaciones; añade referencias; y detiene una función. La responsabilidad de producto y la revisión académica siguen fuera de esa capa. La arquitectura de una pasarela de IA para EdTech desarrolla esa capa técnica.

Cuando una herramienta modifica matrículas, fechas, notas, mensajes o estados, la pasarela debe exigir precondiciones y un identificador de operación; deduplicar reintentos; delimitar qué acciones son atómicas y cuáles necesitan compensación; y registrar el resultado. El flujo incluye un estado de abstención o no decisión para datos insuficientes, conflictos y estados ambiguos, con derivación a una persona. Estos controles actúan antes; la reversión llega después de que una acción ya se haya ejecutado.

Los estados permiten llevar la decisión a la práctica y controlar su evolución: propuesta, en clasificación, en prueba, autorizada, autorizada con condiciones, suspendida y retirada. Cada transición exige una persona, una evidencia y una fecha. Un cambio importante devuelve el caso a clasificación o prueba; no se limita a actualizar el nombre del modelo en un inventario.

La traza debe permitir reconstruir qué sistema produjo la salida, con qué versión y fuentes, qué persona la revisó, qué decisión se tomó y qué efecto tuvo. No necesita conservar siempre el contenido completo. Identificadores, huellas, referencias, motivos y datos mínimos pueden ofrecer trazabilidad con menos exposición.

La parada debe ser selectiva. Si falla el generador de comentarios, el equipo puede conservar el acceso al curso y desactivar solo esa función. Si la evaluación mezcla generación, puntuación y publicación en una única llamada, un incidente que afecte a una de esas operaciones puede obligar a suspender el conjunto mientras se determina su alcance. La separación funcional también reduce el coste de cumplimiento.

La reanudación exige demostrar que la causa se corrigió, repetir las pruebas relevantes, examinar las decisiones ya tomadas y sus consecuencias, y comunicar las medidas necesarias. Reiniciar el servicio porque vuelve a responder no acredita que haya dejado de puntuar mal o de perder el marcado al exportar.

El marco completo de inventario, expediente, evaluación, supervisión y retirada está desarrollado en Cómo gobernar la IA en una plataforma EdTech. Esta guía utiliza ese marco para aplicar el Reglamento; no lo duplica.

Lo que el Reglamento de IA no sustituye

El RGPD sigue rigiendo cuando se tratan datos personales. Finalidad, base jurídica, minimización, información, encargados, seguridad, transferencias, conservación, derechos y evaluaciones de impacto no quedan absorbidos por la clasificación del sistema. Los datos de menores, la voz, la imagen, las respuestas y los perfiles requieren un análisis específico.

El artículo 22 del RGPD y las normas nacionales pueden añadir garantías sobre decisiones automatizadas. Su alcance no coincide de forma exacta con el anexo III. Un sistema puede estar fuera del alto riesgo educativo y abrir, aun así, una cuestión de decisión automatizada o tratamiento de alto riesgo; también puede suceder lo contrario.

La propiedad intelectual tampoco se resuelve con el marcado del artículo 50. El proveedor de un modelo de propósito general debe adoptar una política para cumplir el Derecho de la Unión en materia de propiedad intelectual y publicar el resumen exigido sobre los contenidos utilizados para el entrenamiento. La EdTech, por su parte, debe revisar las fuentes que introduce, las licencias, las reservas de minería, el uso de obras, la atribución y los derechos sobre la salida. Clonar la voz o la apariencia de una persona obliga además a examinar la validez y el alcance del consentimiento, los derechos de imagen y honor y la normativa de protección de datos.

La accesibilidad depende del servicio, del operador y de las normas aplicables. Los centros y servicios públicos tienen obligaciones propias; determinados productos y servicios también pueden quedar cubiertos por el marco europeo de accesibilidad. Hay que determinar primero qué requisitos se aplican al servicio y al operador. Control recomendado. En todo caso, conviene probar que los avisos de IA, los controles de supervisión, las explicaciones, los subtítulos y las vías de recurso puedan utilizarse con tecnologías de apoyo.

Las normas de consumo y publicidad afectan a las afirmaciones sobre precisión, personalización, mejora del aprendizaje y capacidades del producto. «Corrige como un docente» o «detecta el fraude con un 99 % de precisión» necesitan una prueba representativa y una explicación de sus límites. El Reglamento de IA no autoriza una promesa comercial engañosa.

El Reglamento de Servicios Digitales puede abrir preguntas cuando la plataforma actúa como intermediaria u ofrece funciones de plataforma, moderación o recomendación. La normativa educativa y administrativa regula la evaluación, la admisión, la acreditación, los expedientes, los recursos y la motivación. En formación corporativa, las reglas laborales y la participación de la representación de los trabajadores pueden resultar determinantes.

La ficha no necesita convertirse en un tratado de cada norma. Debe plantear la cuestión, asignarla a una persona competente y enlazar la evidencia. Declarar «cumple AI Act» sin esos exámenes puede transmitir una seguridad que el producto no tiene.

Prioridad y sanciones El artículo 99 vigente fija máximos de 35 millones de euros o el 7 % del volumen de negocio mundial anual para incumplir las prohibiciones; 15 millones o el 3 % para determinadas obligaciones de operadores, incluido el artículo 50; y 7,5 millones o el 1 % por suministrar información incorrecta, incompleta o engañosa a las autoridades o a organismos notificados. Para una empresa, la regla general toma el límite mayor entre la cuantía fija y el porcentaje. Las pymes, incluidas las empresas emergentes, reciben el menor en las tres categorías. Las pequeñas empresas de mediana capitalización reciben el menor solo en las categorías de 15 millones o el 3 % y de 7,5 millones o el 1 %; para las prohibiciones se mantiene la regla general. El artículo formula la cuantía fija para los demás infractores y deja a cada Estado miembro determinar en qué medida impone multas administrativas a sus autoridades y organismos públicos.

La autoridad valora gravedad, duración, afectados, daño, tamaño, cooperación, responsabilidad, medidas, intencionalidad y corrección. El inventario no debe ordenarse solo por la multa máxima. Una función prohibida, una decisión que afecta al acceso y una evaluación utilizada por miles de alumnos merecen prioridad por su efecto, aunque sus calendarios documentales sean distintos.

Hoja de ruta desde agosto de 2026

Esta secuencia es un control recomendado para organizar el trabajo. Las fechas normativas conservan su carácter obligatorio cuando proceda; los horizontes de treinta y noventa días son una propuesta de gestión.

El día cero es la fecha en que la dirección aprueba este plan y nombra a la persona responsable; no es la fecha de publicación de la guía. Durante los treinta días siguientes, el objetivo es conocer y contener. Hay que contrastar el producto con los ochenta supuestos de la matriz e inventariar todos los usos reales, incluidos los que no encajen en ella. Después se separan por finalidad, se bloquean los usos prohibidos de inferencia emocional a partir de datos biométricos en lugares de trabajo y centros educativos y las demás prácticas prohibidas aplicables, se asignan papeles, se revisan los avisos del artículo 50 y se prueba el marcado sobre archivos finales.

Entre el día treinta y el noventa desde esa aprobación, el equipo debe abrir expedientes para los casos prioritarios, comprobar contratos, fijar conjuntos de evaluación, diseñar la supervisión, decidir registros y construir el circuito de suspensión. Un caso prioritario no prohibido puede probarse en modo de observación con casos sintéticos. Si resultan imprescindibles datos reales, se aplican las condiciones jurídicas, de minimización, acceso, conservación, seguridad y borrado descritas en el piloto, sin influir en decisiones hasta aprobar sus criterios.

Antes del 2 de diciembre de 2026, los proveedores de sistemas generativos anteriores deben cerrar la transición del artículo 50.2. Las plataformas con generación de imagen, vídeo o audio deben comprobar las nuevas prohibiciones y sus salvaguardas frente a material íntimo sin consentimiento y abuso sexual infantil.

Durante 2027, los sistemas educativos que, después de aplicar y documentar el artículo 6.3, deban considerarse de alto riesgo necesitan completar el sistema de calidad, la documentación, la evaluación de conformidad, el registro y los acuerdos con los responsables del despliegue. La primera prueba real de una función que ya decide notas o admisiones no puede posponerse hasta el 2 de diciembre.

Lista de comprobación ejecutiva

1. ¿El inventario separa funciones que generan, conversan, recomiendan, evalúan, deciden, observan e infieren?
2. ¿Cada caso identifica finalidad, persona afectada, salida, decisión, consecuencia y versión?
3. ¿Se ha comprobado si el componente entra en la definición de sistema de IA?
4. ¿Proveedor, responsable del despliegue y operadores anteriores están asignados por escrito?
5. ¿Un cambio de marca, finalidad o comportamiento puede convertir a la EdTech en proveedor?
6. ¿Está bloqueada la inferencia de emociones a partir de datos biométricos en lugares de trabajo y centros educativos, salvo los motivos médicos o de seguridad previstos, y están bloqueadas las demás prácticas prohibidas aplicables?
7. ¿Todo sistema destinado a interactuar directamente con personas está diseñado para informar, al comienzo y de forma accesible, de que se trata de una IA cuando no resulte obvio?
8. ¿El sistema generativo incorpora marcado legible por máquina y medios para detectar la salida?
9. ¿El marcado se ha probado después de exportar, comprimir, montar y publicar?
10. ¿Las ultrafalsificaciones y los textos de interés público reciben el aviso o la revisión que corresponde?
11. ¿Se ha revisado cada una de las cuatro ramas educativas del anexo III?
12. ¿La evaluación del artículo 6.3 demuestra que no existe un riesgo importante, justifica una de las cuatro condiciones, descarta el perfilado y conserva la documentación y la inscripción que correspondan?
13. ¿Preparar preguntas está separado de puntuar, decidir y acreditar?
14. ¿La práctica voluntaria está técnicamente separada del expediente y de la nota?
15. ¿Los datos, pruebas y métricas representan a la población y la tarea previstas?
16. ¿La persona supervisora dispone de información, competencia, autoridad, tiempo y apoyo?
17. ¿Existe una vía real para corregir, explicar, impugnar o recurrir cuando corresponda?
18. ¿Los registros bastan para reconstruir la salida y la decisión sin conservar datos innecesarios?
19. ¿Los contratos cubren documentación, cambios, incidentes, retirada y acceso técnico?
20. ¿La vigilancia posterior mide daño, diferencias por grupos, anulaciones y eficacia del control humano?
21. ¿Hay una parada selectiva y una prueba de reanudación?
22. ¿Se han abierto los análisis de RGPD, derechos, accesibilidad, consumo y normativa educativa o laboral?
23. ¿La alfabetización se adapta al papel y se demuestra con decisiones prácticas?
24. ¿Cada aprobación tiene fecha, alcance, condiciones, evidencia y cambios que la invalidan?
25. Si despliega una entidad pública, ¿se ha comprobado el registro exigible en la base de datos de la Unión antes del uso?
26. Si el responsable utiliza un sistema de alto riesgo como empleador, ¿ha informado previamente a la representación de los trabajadores y a las personas afectadas conforme a las reglas aplicables?

La lista de comprobación profesional en PDF sirve para asignar responsables y pruebas. La guía completa en PDF incorpora además la matriz de ochenta supuestos y las fichas de proveedor y despliegue.

La clasificación debe poder sobrevivir a un cambio de producto

Una buena clasificación no termina en un color. Debe explicar por qué una función se autorizó, qué condiciones la mantienen fuera de otra categoría, quién puede intervenir, qué se vigila y qué cambio obliga a detenerla. Si esa historia no puede reconstruirse, el inventario todavía no gobierna el producto.

En EdTech, la misma salida puede enseñar, orientar, puntuar, acreditar o excluir. El Reglamento distingue esas consecuencias; distinguirlas en el producto exige seguir el recorrido completo. La decisión profesional consiste en diseñar el producto de modo que cada uso conserve sus límites, sus pruebas y una persona que responda por el resultado.

Revisado el 3 de agosto de 2026. Esta guía ofrece un marco técnico y operativo general. La clasificación y las obligaciones definitivas dependen del sistema, su finalidad prevista, la configuración, los operadores y las normas aplicables a cada entidad y decisión.