Por Javier Vidal
Universidad de León
Palabras clave: IA, Kategor.IA, investigación educativa
Durante buena parte de mi vida académica he empezado análisis de los que me he arrepentido sobre la marcha. No por falta de ideas o ganas, sino por falta de tiempo (paciencia). El análisis de contenido, esa metodología tan honesta que consiste en leer con método lo que otros han dicho, tiene un secreto poco glamuroso: es un trabajo lento y repetitivo. Y, si se hace bien, lo tiene que hacer al menos dos personas. Y antes de eso falta transcribir, ordenar, revisar, … Además, recientemente hace falta licencias de software (dinero), aunque eso nos ha ido aliviando algunas tareas.
Así que necesitas alguna persona que comparta tu interés o dinero para encargarlo; esperas a la convocatoria que quizá salga y esperas que tu idea encaje en alguna de las líneas prioritarias (algo no seguro en nuestro campo), y van pasando los meses. Mientras tanto, la pregunta de investigación que te importaba se enfría en una carpeta. Tengo varias de esas preguntas ya congeladas. Sospecho que no soy el único.
De aquella necesidad nació Kategor.IA, una aplicación web (de acceso gratuito) que acompaña al investigador a lo largo de todo un análisis de contenido —del corpus en bruto al informe final— con la ayuda de modelos de lenguaje (Claude, en este caso): propone un sistema de categorías, codifica los textos aportando la justificación de cada decisión, calcula la fiabilidad y ayuda a redactar la síntesis, siempre bajo la supervisión de quien investiga. Su origen está en el proyecto AiRISES, en el que necesitábamos analizar grandes volúmenes de mensajes de foros en línea sin disponer de tiempo ni de manos para abordarlos del modo clásico. La aplicación y el manual que explica su metodología —Análisis de contenido asistido por LLM (Vidal, 2026)— están accesibles en acceso abierto desde el mismo enlace.
Y aquí viene la parte que todavía me sorprende: lo que habría exigido meses de trabajo de al menos dos personas (el programador y yo) lo resolví yo solo en unos días. No fue una tarde milagrosa —no vendo magia—, pero sí un cambio de escala que me permite desarrollar lo que hace poco era impensable.
Trasladar a un procedimiento lo que uno ha aprendido enseñando
Lo que más me interesa de todo esto no es la IA, sino una posibilidad más modesta: la de convertir en procedimiento lo que uno ha ido acumulando como oficio. A lo largo de los años, corrigiendo trabajos de estudiantes y revisando artículos, uno repite las mismas recomendaciones, señala los mismos errores, insiste en las mismas cautelas. «Justifica por qué ese fragmento pertenece a esa categoría.» «No inventes una saturación que no has comprobado.» «Declara lo que hiciste, no lo que te habría gustado hacer.» «Ajusta bien las conclusiones a los datos.» «Contesta a todos los objetivos específicos.» «¿De dónde ha salido esta idea?».
Kategor.IA tiene dos modos, y esa distinción es deliberada. Un modo experto, para quien ya sabe y quiere ir rápido. Y un modo aprendizaje, con corpus de demostración, explicaciones metodológicas y listas de verificación en cada paso, pensado para quien empieza (y para quienes tenemos inercias). Este segundo modo es, en el fondo, el intento de trasladar a la máquina las correcciones que llevo media vida repitiendo en un despacho. No para sustituir al profesor, sino para que el estudiante llegue a la tutoría con las preguntas mejor planteadas.
Qué hace la IA, y por qué la trazabilidad lo cambia todo
Avancemos en la superación de algunos miedos: hay que ser preciso sobre qué hace y qué no hace la IA. En este caso, la IA propone: sugiere categorías a partir del corpus, propone codificaciones, redacta borradores de síntesis. El investigador dispone: acepta, corrige o descarta cada decisión. La IA asiste, no sustituye la responsabilidad interpretativa. Esa frontera no es un eslogan, es el diseño.
Y aquí llega el punto incómodo: la integridad académica. Si alguien quiere hacer trampas en investigación, no necesita la IA: siempre hemos sabido cómo. Se ha inventado bibliografía, se han maquillado resultados, se ha descrito un rigor que no existió. La novedad no es que ahora se pueda hacer trampa; es que ahora la estrategia puede quedar explícita y trazable. En Kategor.IA cada decisión queda registrada en un diario metodológico que se puede exportar; cada codificación va acompañada de la justificación de por qué se ha tomado; el sistema permite una segunda revisión independiente para comprobar que los resultados se sostienen; se verifica que las referencias citadas existan de verdad, para que no aparezca bibliografía inventada; y el informe final incluye una declaración de uso de IA que indica el origen de cada sección. Uno puede seguir haciendo trampas, claro. Pero tendrá que hacerlas contra un registro que las delata, en lugar de sobre un folio en blanco que todo lo perdona. Me parece un progreso razonable. Ese tipo de registros deben ser exigibles a partir de ahora.
Fuente de la imagen: Pixabay
No trabajaremos menos
Existe el temor, comprensible, de que estas herramientas nos quiten el trabajo. Mi experiencia apunta a lo contrario, y no por optimismo, sino por observación. Durante décadas hemos dedicado una parte enorme de nuestro tiempo a las fases mecánicas de la investigación: ordenar, transcribir, tabular, cotejar, dar formato. Trabajo necesario y profundamente aburrido, hasta el punto de que te deja sin fuerzas para lo importante. Si esas fases se acortan, no trabajaremos menos: haremos más cosas, y algunas que antes no podíamos siquiera intentar.
No creo que la IA nos ahorre esfuerzo; creo que lo reubica (como otras tecnologías). El tiempo que ya no gasto en codificar a mano mil fragmentos es tiempo que puedo dedicar a lo que siempre fue lo importante y para lo que nunca había suficientes horas: pensar mejor la pregunta, interpretar con más finura, discutir los hallazgos, ampliar el conocimiento que necesitamos para resolver los problemas que tenemos. Que no son pocos.
Y esto no termina en el análisis de contenido. A esto también me refiero cuando digo que la IA no me está quitando trabajo, me da más. A Kategor.IA se le añadirá pronto una función para analizar entrevistas —estructuradas y semiestructuradas— y grupos de discusión. Como derivada, hay una pieza que me hace especial ilusión, pensada directamente para los centros educativos: una versión simplificada de Kategor.IA, casi lista, en la que un centro sube el fichero de una encuesta que haya realizado y recibe a cambio un informe técnico con las garantías metodológicas adecuadas —análisis estadísticos, análisis de las respuestas abiertas, recomendaciones— y, por el mismo precio (es decir, gratis), una presentación en diapositivas y una infografía listas para distribuir. Un no parar.
Como veis, hay muchas tareas mecánicas que podemos acelerar precisamente para dedicarnos (o ayudar a que otros se dediquen) a las que son indelegables: decidir qué necesitamos mejorar y cuáles son nuestras prioridades.
Y esto, ¿qué tiene que ver con la educación?
Todo, me temo. La investigación educativa lleva años predicando un método riguroso que, en la práctica, solo estaba al alcance de quien tenía equipo y financiación. Democratizar el acceso a ese rigor —permitir que un doctorando sin recursos, un maestro que investiga su propia aula o un grupo pequeño hagan un análisis serio y auditable— no es un detalle técnico: es una cuestión de equidad académica.
Y hay una lección educativa más general, que va más allá de la metodología. Nuestros estudiantes van a usar IA queramos o no. Podemos fingir que no existen, o podemos enseñarles a usarlas de manera que su razonamiento quede a la vista, sea discutible y sea suyo. La trazabilidad no es solo una garantía de integridad: es una excelente forma de aprender a pensar, porque obliga a hacer explícito el porqué de cada decisión. Que es, si lo pienso, una de las cosas más importantes que he intentado enseñar durante toda mi carrera.
Tanto la aplicación Kategor.IA como el manual que explica su metodología, Análisis de contenido asistido por LLM (Vidal, J., 2026, Universidad de León), están accesibles desde el mismo enlace.
Declaración de uso de IA: este texto lo he escrito yo; una IA me ayudó a ordenar el guion y a pulir la redacción. La tesis, las opiniones y las trampas retóricas son enteramente mías.
Cómo citar esta entrada:
Vidal, Javier (2026). La inteligencia artificial no me quita el trabajo: me devuelve el que me gustaba. Aula Magna 2.0 [Blog]. https://cuedespyd.hypotheses.org/22518
OpenEdition le sugiere que cite este post de la siguiente manera:
Aula Magna 2.0 (10 de julio de 2026). La inteligencia artificial no me quita el trabajo: me devuelve el que me gustaba. Aula Magna 2.0. Recuperado 13 de agosto de 2026 de https://doi.org/10.58079/16jxn