Anales de la RANM

157 A N A L E S R A N M R E V I S T A F U N D A D A E N 1 8 7 9 INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN MÉDICA Banegas JR, et al. An RANM. 2026;143(02): 145 - 159 La rigidez curricular dificulta la integración longitudinal de la IA, pero no debe retrasar la adquisición de competencias ya necesarias en la práctica profesional. Se requiere alfabetización digital temprana, acceso equitativo a herramientas y compromiso institucional, incluyendo inversión y licencias colectivas para estudiantes y docentes (46,47). En España, la fortaleza del posgrado no debe sustituir la reforma del grado. Para evitar brechas formativas, resulta urgente estandarizar compe- tencias digitales mínimas en los planes troncales y asegurar una base común para ejercer con solvencia en entornos clínicos automatizados. Las iniciativas aún fragmentarias deberían coordi- narse intra e interinstitucionalmente, mediante aprendizaje compartido, formación vivencial y liderazgo clínico-docente. La persuasión por el ejemplo puede ser más eficaz que la mera imposi- ción normativa. No basta con formar especialistas técnicos: el profesorado clínico y básico debe adquirir compe- tencias aplicadas en IA. Las Unidades de Educa- ción Médica pueden coordinar esta capacitación y liderar la integración curricular (5,12). La evaluación debe desplazarse del producto final al proceso: borradores, razonamiento explí- cito, verificación de fuentes, reflexión crítica y desarrollo de autonomía cognitiva (47). En el ámbito de la investigación, aunque la IA ha demostrado ser eficaz en educación médica, persiste la falta de consenso sobre los métodos pedagógicos óptimos y sobre su impacto real en el rendimiento académico (15). Esta incerti- dumbre refuerza la necesidad de impulsar estudios rigurosos y de promover la rendición de cuentas mediante la publicación de resultados. Inicia- tivas recientes orientadas al diseño de facultades de medicina habilitadas por IA subrayan precisa- mente este enfoque basado en evidencia y trans- formación estructural (48). Finalmente, el docente sigue siendo insusti- tuible como tutor, modelo y garante del pensa- miento crítico, la ética y la empatía clínica. La IA no lo reemplaza; obliga a reforzar su función orientadora. En síntesis, la incorporación de la IA en medicina debería pasar de iniciativas fragmentarias a un modelo longitudinal, evaluable y centrado en competencias, que combine alfabetización digital, Tabla 6. Desafíos de la integración de la inteligencia artificial en educación médica y propuestas de mejora Reflexión Propuesta Las grandes tecnológicas impulsan la IA sin base pedagógica. Diseñar estrategias educativas intencionales (Universidad con Prioridad Educativa) (OCDE). La rigidez de los planes de grado dificulta la integración de la IA longitudinalmente al competir con materias tradicionales. Aprovechar el desfase para planificar una reforma curricular estructurada. Pueden surgir desigualdades entre titulaciones digitales y clásicas. Evaluar y equilibrar la integración de la IA entre programas. La oferta de IA en posgrado en España es muy competitiva (en el contexto europeo). Alinear el desarrollo del posgrado con la reforma del grado. El acceso institucional a la IA es limitado. Garantizar acceso universal a herramientas de IA y formación digital básica. Las iniciativas formativas en IA son aisladas. Fomentar la colaboración interinstitucional entre facultades. No solo se necesitan especialistas técnicos. Formar profesorado en IA aplicada y pedagogía digital. Faltan unidades que impulsen innovación pedagógica. Crear unidades en Ciencias de la Salud e IA en las facultades. La evaluación (de resultados) puede ser falsifi- cada mediante IA. Evaluar procesos (borradores, razonamiento, reflexión). La eficacia de la IA es incierta respecto a los métodos óptimos. Impulsar investigación educativa sistemática en IA. Se desconoce el impacto en el rendimiento académico. Promover evaluación y publicación de resultados. El papel humano (como tutor y supervisor) sigue siendo esencial. Reforzar el rol docente como garante ético y crítico. Elaboración propia, a partir de la literatura citada en el texto. IA: inteligencia artificial.