Cómo un agente de IA evalúa libros de texto contra los boletines oficiales de cada comunidad autónoma.
Cada libro de texto, cada ficha didáctica, cada cuaderno de actividades que se publica en España debe cubrir las competencias, criterios de evaluación y saberes específicos que marca el boletín oficial de la comunidad autónoma correspondiente.
Son 17 comunidades. Múltiples etapas educativas. Decenas de asignaturas. Y los currículos cambian con cada actualización legislativa.
El reto se complica cuando las plataformas digitales permiten a los docentes personalizar los contenidos. Cada combinación de material propio y editorial genera un documento distinto que debe cumplir la normativa antes de llegar a impresión o distribución. Lo que antes era un catálogo cerrado se convierte en miles de variantes posibles.
La verificación, hasta ahora, recaía en equipos pedagógicos que revisaban manualmente cientos de páginas contra documentos normativos complejos. Un trabajo minucioso que consume semanas y que resulta difícil de escalar cuando el volumen de materiales crece o la legislación se actualiza.
Qué hemos construido
Un sistema basado en procesamiento de lenguaje natural y modelos de lenguaje multimodales que automatiza la verificación del cumplimiento curricular. Opera en dos fases.
En la primera, el sistema recibe los boletines oficiales en PDF y los procesa de forma automática. Segmenta cada documento por asignatura, extrae competencias específicas, criterios de evaluación y bloques de contenido, y los estructura en formato JSON validado. Los datos se versionan, de modo que cada actualización legislativa queda trazada.
En la segunda, cada página del material educativo se convierte a imagen y se envía a un modelo de lenguaje multimodal — capaz de interpretar texto, diagramas, tablas e ilustraciones — junto con la rúbrica curricular extraída en la fase anterior. El modelo actúa como evaluador automático bajo el paradigma LLM-as-a-Judge: recibe los criterios del boletín oficial y determina si cada elemento curricular está cubierto o no.
El procesamiento se ejecuta en paralelo, con instancias independientes evaluando múltiples páginas simultáneamente. Un documento de 100 páginas se evalúa en una fracción del tiempo que requeriría una revisión secuencial.
Los modelos que razonan antes de evaluar
No todos los modelos de lenguaje funcionan igual para esta tarea. A lo largo del proyecto hemos trabajado tanto con modelos convencionales como con los denominados Large Reasoning Models, que ejecutan cadenas de razonamiento internas antes de emitir un juicio.
La diferencia es relevante. Un modelo convencional puede determinar si una página menciona la fotosíntesis. Un modelo con razonamiento puede evaluar si la forma en que se aborda ese contenido permite al alumno desarrollar la competencia científica que exige el currículo. Es una distinción sutil, pero es exactamente lo que necesita un evaluador pedagógico automatizado.
El trade-off es tiempo: estos modelos tardan más en responder. Pero en un sistema de verificación pre-publicación, donde la alternativa es semanas de revisión manual, el coste adicional en segundos por página resulta insignificante.
Resultados sobre materiales reales
El sistema se ha validado con materiales de múltiples etapas educativas de una editorial líder del mercado español.
En Educación Infantil, se evaluaron 144 fichas didácticas del segundo ciclo, incluyendo materiales con formato de doble cara. El sistema procesó este formato sin adaptaciones específicas.
En Educación Primaria (Ciencias de la Naturaleza, tercer ciclo), el sistema alcanzó una precisión promedio del 88% y un recall del 93%. Los falsos positivos resultaron ser, en su mayoría, casos donde el modelo identificaba una competencia tangencialmente relacionada — un error conservador que el equipo editorial puede filtrar con rapidez.
En Educación Secundaria (Geografía e Historia, Música — 3.º y 4.º ESO), el recall alcanzó entre el 94% y el 100% según la asignatura. La precisión osciló entre el 72% y el 82%.
El balance entre ambas métricas se ha optimizado deliberadamente priorizando el recall. Es preferible que el sistema detecte todo lo que hay (aunque señale algún falso positivo) a que deje pasar contenido curricular que realmente está presente. Los falsos positivos se filtran rápido. Los falsos negativos generan riesgo regulatorio.
Tres aplicaciones concretas
Auditoría masiva de catálogo. Verificar de forma automatizada que los libros de texto cubren el currículo de cada comunidad autónoma. En lugar de revisiones manuales por asignatura y región, el sistema genera un mapa de cobertura curricular completo para todo el catálogo.
Verificación de contenidos personalizados. Cuando un docente combina materiales propios con los de la editorial, el sistema evalúa el resultado y genera alertas si detecta lagunas antes de la impresión o distribución digital. El docente recibe información precisa sobre qué competencias o destrezas faltan por cubrir.
Generación automática de programaciones de aula. El sistema identifica qué competencias, criterios y destrezas cubre cada material, señalando las páginas concretas donde aparecen. Esto elimina horas de trabajo manual y aporta una trazabilidad verificable ante inspecciones educativas.
Un problema que se repite en otros sectores
El patrón que resuelve esta tecnología — contenido variable que debe cumplir normativa compleja y cambiante, distribuida por jurisdicciones — no es exclusivo de las editoriales educativas. Aparece también en la formación corporativa bonificada (cursos vs. requisitos FUNDAE), en la industria farmacéutica (prospectos vs. regulación AEMPS/EMA), y en las certificaciones empresariales (documentación vs. estándares ISO o ESG).
La arquitectura es transferible. Lo que cambia es la rúbrica.
¿Tu organización verifica manualmente el cumplimiento normativo de sus contenidos?
Podemos evaluar el encaje de esta tecnología con tu caso concreto en una sesión de 30 minutos.
Solicitar assessment técnico →
