Cómo aprovechar los Agentic AI en el ámbito académico
Esta guía integral explora los agentic AI, su potencial para impulsar los objetivos institucionales y bibliotecarios, y las mejores prácticas para su adopción responsable en el entorno académico.

Acerca de esta guía
Esta guía de alto nivel incluye:
Una breve introducción a los agentic AI
En qué se diferencian de la IA extractiva y la IA generativa
Cómo pueden contribuir a los principales objetivos institucionales y bibliotecarios
Consejos y buenas prácticas para seleccionar e implementar esta tecnología en su institución
El auge de los agentes orientados a objetivos
No fue hasta finales de 2022 cuando ChatGPT irrumpió en escena, dando a conocer al público el apasionante potencial de la IA generativa (GenAI). Ahora, en el vertiginoso mundo de la tecnología, la atención se centra en la siguiente evolución de la inteligencia artificial: los agentic AI.
Aunque estos nuevos sistemas se basan en los grandes modelos de lenguaje y las plataformas que impulsan GenAI, están diseñados para ir más allá de la creación de contenido: una solución de agentic AI también puede establecer objetivos, llevarlos a cabo, iterar e interactuar con otras herramientas y sistemas mientras trabaja para alcanzar la meta del usuario.
Estas capacidades han llevado a algunos expertos a predecir que la tecnología transformará radicalmente la forma en que realizamos tareas y tomamos decisiones. Según Yoav Shoham, profesor emérito de la Universidad de Stanford:
“El potencial aquí es real. Pero debemos combinar la ambición con un diseño cuidadoso, definiciones claras y expectativas realistas. Si lo logramos, los agentes no serán una moda pasajera más, sino que podrían convertirse en la columna vertebral de cómo hacemos las cosas en el mundo digital.”1
¿Qué son los agentic AI y en qué se diferencian de la IA generativa y la IA extractiva?
Los agentic AI integran IA generativa y extractiva en sus flujos de trabajo, coordinando su uso según lo que resulte más adecuado. Aunque en el siguiente cuadro se destacan las diferencias entre estos conceptos, a menudo funcionan de manera complementaria y no se excluyen mutuamente.
Agentes de | IA Generativa | IA extractiva |
---|---|---|
Caso de uso principal: Resolver problemas complejos y polifacéticos. | Caso de uso principal: Creación de nuevos contenidos. | Caso de uso principal: Recuperar y conectar información. |
¿Qué son los agentic AI? El agentic Aa es un sistema avanzado que une la extracción de datos y la creación de contenidos con un motor de razonamiento capaz de simular el pensamiento lógico y la toma de decisiones. Gracias a esta combinación, las herramientas de agentic AI pueden descomponer solicitudes complejas en pasos más simples, actuar sobre cada uno de ellos y avanzar de forma estructurada hacia la meta del usuario. | ¿Qué es la IA generativa? Un sistema de inteligencia artificial que genera resultados frescos y originales en respuesta a las indicaciones de un usuario. Para ello, predice cuál sería la respuesta más pertinente basándose en los conocimientos y patrones que ha ingerido durante su entrenamiento. Los grandes modelos lingüísticos son un componente esencial de las herramientas GenAI, ya que les permiten comprender las peticiones en lenguaje natural y generar respuestas fáciles de entender. | ¿Qué es la IA extractiva? En uso desde hace más de una década, la tecnología de IA extractiva actúa como un útil bibliotecario, escaneando rápidamente grandes volúmenes de datos para identificar las frases, oraciones o puntos de datos más relevantes, que luego extrae y conecta. También puede generar resúmenes a partir del contenido extraído. Suele utilizarse para responder preguntas, destacar conexiones y ofrecer resúmenes concisos. |
¿Para qué tipo de consultas está diseñado? Aunque las herramientas de agentic AI pueden responder a cualquier consulta, realmente destacan con las que requieren acción o razonamiento en varios pasos, como las consultas abiertas, complejas o interdisciplinares. Ejemplo académico: "Muéstrame las tendencias de investigación emergentes en la ciencia del clima y crea una revisión bibliográfica exhaustiva con recomendaciones metodológicas." | ¿Para qué tipo de consultas está diseñado? La IA generativa es útil cuando el usuario desea que se creen nuevos contenidos. Ejemplo académico: "Escribe un resumen comparando las principales conclusiones de estos 10 artículos sobre el clima". | ¿Para qué tipo de consultas está diseñado? La IA extractiva es ideal para consultas del tipo "encuéntrame la respuesta a esta pregunta". Ejemplo académico: "¿Cuáles son las principales conclusiones de este trabajo de investigación concreto?". |
¿Qué forma adopta la respuesta? Esto varía en función de la ingeniería de consulta de la herramienta (directrices) y de la naturaleza de la consulta del usuario. Puede ir desde el progreso real hacia el objetivo del usuario (por ejemplo, la reserva de un vuelo) hasta un informe detallado. | ¿Qué forma adopta la respuesta? Esto depende de la ingeniería de la herramienta (directrices) y de los requisitos del usuario. Aunque la forma del resultado puede variar -las opciones habituales son texto, imágenes, vídeo y audio-, el contenido generado es siempre nuevo y original. | ¿Qué forma adopta la respuesta? Esto varía en función del diseño de la herramienta y de la consulta del usuario. Normalmente, los usuarios ven un subconjunto de los datos de entrada originales extraídos, resaltados o reorganizados: La IA extractiva nunca genera nuevos contenidos. |
¿Cómo funciona los agentic AI?
A continuación se presenta una visión general de cómo se diseña una herramienta de agentic AI para responder a una consulta del usuario:

Sin embargo, los agentic AI son cada vez más interactivos y permiten al usuario intervenir en fases clave y modificar la estrategia o la dirección. Muchos también permiten hacer preguntas de seguimiento: el agentic AI determina determina entonces si puede responder a estas preguntas a partir de las fuentes ya consultadas, o si es necesaria una nueva búsqueda.
"Puede ser útil considerar que el agente es el equivalente virtual de un ayudante de investigación y docencia doctorado que trabaja en el proyecto 24 horas al día, 7 días a la semana, sin descanso, todos los días del año".2
RS
Ray Schroeder
Senior fellow for UPCEA: the Association for Leaders in Online and Professional Education
Agentic AI en la academia
Como hemos visto, el agentic AI está diseñada para procesar peticiones mucho más complejas que otros sistemas de IA. Y aunque la supervisión humana sigue siendo esencial desde el punto de vista de la calidad, la ética y la seguridad, en la práctica, los sistemas de agentic AI están diseñados para funcionar con una supervisión mínima en tiempo real. Para las instituciones académicas, esto ofrece oportunidades fascinantes. Permite a bibliotecarios, responsables académicos, investigadores y estudiantes ir más allá de hacer una consulta básica a un sistema de inteligencia artificial y recibir una respuesta directa: Abre la puerta a la resolución de problemas básicos de investigación y a la obtención de conocimientos estratégicos más profundos. El agentic AI también tiene el potencial de automatizar y acelerar las tareas más rutinarias, ayudando a los usuarios a centrarse en el trabajo que requiere pensamiento crítico, resolución de problemas complejos e inteligencia emocional. Y en lo que respecta a la enseñanza y el aprendizaje, Kamalov et al. (2025) ven en los agentic AI"una nueva y prometedora vía para la innovación educativa".3
Fundamentalmente, los sistemas de agentic AI pueden permitir una supervisión humana más fácil y específica de los procesos a los que prestan apoyo, ofreciendo a los usuarios la posibilidad de supervisar e intervenir en las áreas en las que desean implicarse. Por ejemplo, en un proceso de revisión bibliográfica, los usuarios podrían realizar cambios en pasos específicos, como excluir determinados documentos e incluir otros, o modificar los parámetros de búsqueda a mitad del proceso en función de los patrones que vayan surgiendo. Esta intervención selectiva permite a los investigadores mantener el control sobre los puntos de decisión críticos, al tiempo que se benefician de la capacidad de la IA para gestionar la orquestación de tareas complejas de varios pasos.
Aunque el uso de los agentic AI está creciendo, muchas universidades aún no la han incorporado a sus estrategias digitales. Pero en un preprint de 2025, Gridach et al. analizan cómo la tecnología puede ayudar en tareas académicas estándar, como la generación de hipótesis y las revisiones bibliográficas.4 También señalan su potencial para "democratizar el acceso" a las herramientas de investigación. Por ejemplo, las consultas en lenguaje natural y las respuestas fáciles de digerir permiten a los usuarios explorar temas muy académicos, sea cual sea su capacidad de investigación o su familiaridad con la materia. El agentic AI también ofrece un mejor apoyo a las necesidades lingüísticas y de aprendizaje específicas. Como señala el científico y capitalista de riesgo Gerald Chan: "La educación es un caso de uso perfecto para los agentic AI porque los recursos educativos en todo el mundo son inadecuados y están desigualmente distribuidos".5
Pero si las instituciones quieren aprovechar al máximo los beneficios de los agentic AI, van a tener que pensar detenidamente cómo utilizan estos sistemas. Por ejemplo, será importante considerar si su consulta requiere la potencia de cálculo de los agentic AI. Y, en caso afirmativo, ¿qué tipo de preguntas les proporcionarán la información que buscan?
Como ocurre con todas las herramientas de IA utilizadas en la investigación y la educación, será importante seleccionar los sistemas cuidadosamente y con intención. Esto incluye optar por herramientas transparentes y basadas en contenidos académicos revisados por expertos. Y siempre comprobando cómo se protegerán y utilizarán los datos de los usuarios.
También será fundamental que los usuarios se aseguren de que siguen siendo el humano en el bucle en cada etapa del proceso, viendo la información generada como un peldaño, en lugar de un destino final: Como aconseja a sus investigadores la John Hopkins Sheridan Libraries: "Trate la IA como un punto de partida, no como un sustituto del pensamiento crítico y las fuentes revisadas por pares".6
Sabemos que los bibliotecarios también están muy preocupados por estos temas. Por ejemplo, cuando preguntamos a los profesionales de la información qué características necesitaban en una herramienta de IA generativa, la transparencia, la gobernanza de la herramienta y la supervisión humana encabezaban la lista.7

Agentic AI y la biblioteca
Muchos creen que, con su experiencia en información, su fluidez tecnológica y su capacidad docente, los bibliotecarios están perfectamente situados para guiar la introducción y el uso de los agentic AI en el campus. Pero quizás lo más importante es que las tecnologías emergentes, como agentic AI, ofrecen a los bibliotecarios la oportunidad de reforzar el valor que ofrecen.
Como comentaba Don Simmons, profesor adjunto de la Facultad de Biblioteconomía y Documentación de la Universidad Simmons, en un reciente artículo de Library Connect: "Tanto si percibimos la IA como algo bueno o malo, nos ofrece la oportunidad de ampliar nuestra profesión, de modo que no sólo sigamos siendo relevantes, sino que nos convirtamos en la fuente a la que acudir cuando alguien quiera saber más sobre la navegación y la alfabetización en IA".8
Es una opinión de la que se hace eco Marydee Ojala, redactora jefe de la revista Computers in Libraries: "Los agentic AI ha llegado para quedarse y merece la pena que los bibliotecarios y profesionales de la información dediquen tiempo y esfuerzo a determinar su relevancia para la profesión y a explotar la tecnología de modo que sirva a los mejores intereses de la clientela de las bibliotecas y de los propios bibliotecarios."
Aunque está de acuerdo en que los agentic AI es una "nueva competencia" para la comunidad bibliotecaria, Ojala no la considera una nueva habilidad. "La empatía que caracteriza el trabajo de los bibliotecarios humanos suele faltar en los agentes de inteligencia artificial. Así pues, la combinación de emoción y tecnología encaja perfectamente en el papel de bibliotecario de IA, se le llame o no por ese título... "9
Los agentic AI ofrecen a los bibliotecarios la oportunidad de aprovechar su experiencia y conocimientos únicos para apoyar áreas como:
Alfabetización en IA. Por ejemplo, pueden educar a los usuarios sobre las capacidades y limitaciones de las herramientas de los agentic AI y abordar las preocupaciones sobre la privacidad, la parcialidad y la desinformación. También pueden defender el uso responsable y ético de estas herramientas, incluido su impacto social más amplio.
Asesoramiento en IA. Esto incluye la colaboración con otros departamentos para desarrollar políticas institucionales de IA, y el asesoramiento sobre cuestiones de integridad académica relacionadas con el uso de la IA en la investigación y el trabajo de curso. Los miembros de la Asociación de Bibliotecas de Investigación (ARL) informan de que otros departamentos se ponen en contacto con ellos para "ser socios en el campus y apoyar a las instituciones" en cuestiones relacionadas con la IA.10 En respuesta, la ARL ha desarrollado siete principios en los que pueden basarse sus miembros a la hora de responder a estas peticiones.
Y lo que es más importante, los bibliotecarios también pueden guiar a los usuarios de sus bibliotecas hacia herramientas específicas de agentic AI que cumplan sus propios estándares y los de la institución. Y, como muestra una encuesta reciente, esa orientación será valorada: el 58% de los estudiantes nos dijeron que estarían seguros de que una herramienta aprobada por la biblioteca se ajusta a la política de IA de su institución, lo que les haría más propensos a utilizarla y adaptarla. 11
Los agentic AI también puede contribuir a mejorar los servicios bibliotecarios, como explica Ojala: "...los agentic AI podrían ser decisivos para anticiparse a las necesidades de investigación de los usuarios de la biblioteca, sugiriendo los recursos pertinentes e identificando las lagunas de investigación que perciba". Para el desarrollo de colecciones, un agentic AI no sólo podría sugerir materiales para comprar, sino también iniciar pedidos de compra de forma independiente. También podría asumir tareas de desbroce".9

Agentic AI la enseñanza y el aprendizaje
Como señalan Kamalov y otros, la educación es un ámbito en el que puede sobresalir el potencial innovador de los agentic AI. Puede contribuir a que el aprendizaje sea más personalizado, eficaz, atractivo e integrador para los alumnos. También puede dotarles de los conocimientos y la alfabetización en materia de inteligencia artificial que necesitan para triunfar en sus futuras carreras.
Los agentic AI también puede ayudar a los educadores en la creación e impartición de contenidos, así como en la participación de los estudiantes. Para Chan, los agentic AI no hace sino reforzar el valor del papel del educador. "Junto con la adquisición de conocimientos, los alumnos necesitan dar sentido y ser capaces de utilizar lo que están aprendiendo. Aquí es donde entra en juego un gran profesor" Pero cree que el auge de la IA va a exigir a las universidades "reimaginar el aula, reexaminando cada aspecto del proceso educativo y rediseñando la experiencia y los resultados educativos".5
Y eso incluye la evaluación. Al igual que la introducción de la calculadora y el lanzamiento de Wikipedia, tecnologías como la IA generativa y los agentic AI están llevando a los educadores a reflexionar detenidamente sobre cómo deben evaluar a los alumnos y su trabajo. Con tanta información a mano, algunas universidades están dejando de evaluar el trabajo realizado para centrarse más en el proceso seguido para completarlo.13
"En Jefferson trabajamos duro para asegurarnos de que nuestros graduados estén preparados para el futuro del trabajo en una era de -yo la llamaría- computación ubicua... Queremos que trabajen con facilidad y comodidad con nuevos recursos tecnológicos como la IA; y enseñarles a equilibrar los puntos fuertes y débiles de las tecnologías aplicando la empatía, la creatividad, la intuición y la atención humana".12
SCAP
Susan C. Aldridge, PhD
President en Thomas Jefferson University, United States of America
El futuro de los agentic AI
Con la rápida evolución de los agentic AI, nadie puede decir con certeza cómo cambiará nuestras vidas. Sin embargo, Adrian Raudaschl, Director Principal de Producto en Elsevier, tiene algunas ideas sobre lo que puede ocurrir a corto plazo.
Veo un escenario en el que los usuarios, ya sean líderes académicos, educadores, investigadores o bibliotecarios, orquestarán un pequeño equipo de estos agentes. Los agentes trabajarán en cuatro o cinco solicitudes diferentes en segundo plano, aportándoles las últimas perspectivas o consideraciones previas. El usuario puede entonces apropiarse de esa información y utilizarla para avanzar en sus objetivos; por ejemplo, identificar la hipótesis que quiere investigar a continuación, elaborar un plan de clase o desarrollar una estrategia.
Adrian dirige el equipo de Elsevier que está detrás de una nueva función de IA agéntica que acaba de lanzarse en Scopus AI: Deep Research. Al igual que Scopus AI, Deep Research se basa exclusivamente en el contenido revisado por pares y comisariado de Scopus y sintetiza sus hallazgos en un informe exhaustivo que Adrian y su equipo han diseñado intencionadamente para suscitar el pensamiento crítico. Y cada paso dado para investigar y preparar el informe se comparte en pantalla para que los usuarios puedan seguir el proceso en tiempo real.
Según Adrian, Deep Research se desarrolló en respuesta al deseo de los usuarios de obtener más información y más profunda. Así lo explica: "Desde el lanzamiento de Scopus AI, uno de los elementos más populares de su respuesta han sido las preguntas Go Deeper generadas automáticamente. Así, en abril de 2025, lanzamos el Seguimiento Conversacional, que permite a los usuarios plantear sus propias preguntas adicionales.

Adrian Raudaschl, Scopus AI Principal Product Manager at Elsevier
Pero pronto nos dimos cuenta de que hasta la mitad de las preguntas de seguimiento conversacional no estaban relacionadas con la consulta original. En cambio, querían explorar más allá de las fronteras de ese tema o reinterpretar la información. Y eran preguntas que la IA de Scopus no podía responder fácilmente. Con Deep Research eso ha cambiado. De hecho, hemos pedido a algunos de nuestros socios en ciencias de la vida que piensen en preguntas realmente difíciles con las que podamos probarlo, y los resultados han sido muy prometedores.
"Los primeros usuarios nos dicen que un informe generado por Deep Research puede ahorrar días de investigación preliminar".

AR
Adrian Raudaschl
Scopus AI Principal Product Manager en Elsevier
En una reciente gira por universidades de Asia, Adrian también pudo ver de primera mano cómo la Investigación Profunda ayuda a los estudiantes a iniciar conversaciones más profundas y críticas entre ellos y con sus mentores.
Los estudiantes valoraron especialmente la capacidad de la herramienta para ofrecer un análisis exhaustivo y multiperspectivo basado en fuentes creíbles. Muchos destacaron la transparencia de su razonamiento y la facilidad de acceso a las referencias completas, lo que les permitió verificar las ideas y profundizar en los temas. Como dijo un estudiante: "Es mejor que lo que yo montaría, eso en cuanto a diseño de investigación" Otro describió la experiencia como la escena de una película de detectives en la que todas las pistas se unen de repente y se resuelve el misterio, gracias a la claridad, rapidez y presentación visual del sistema. Sobre todo, apreciaron cómo Deep Research fomentaba el compromiso reflexivo en lugar de la dependencia excesiva de la IA.
Elsevierlos equipos de desarrollo de Scopus ya están buscando oportunidades para aprovechar aún más los agentic AI en Scopus AI y otras soluciones de Elsevier. Adrian afirma: "Tenemos muchas ideas y estamos trabajando para hacerlas realidad este año. Los agentic AI ofrece mucho potencial: la tecnología está pasando de un simple formato de consulta/respuesta a ofrecer capacidades para un trabajo intelectual más profundo"
Sin embargo, él y el equipo tienen previsto introducir estas novedades con cuidado, paso a paso. "Se trata de una tecnología nueva y conlleva riesgos. Para nosotros es muy importante introducir los cambios de forma gradual y adoptar un enfoque de prueba y aprendizaje. No sólo es lo correcto, sino que también está en consonancia con nuestro enfoque responsable de la IA en Elsevier."
Elsevierlos cinco principios de la IA receptiva
Tenemos en cuenta el impacto real de nuestras soluciones en las personas
Tomamos medidas para evitar la creación o el refuerzo de prejuicios injustos
Le explicamos cómo funcionan nuestras soluciones
Creamos responsabilidad mediante la supervisión humana
Respetamos la privacidad y defendemos una sólida gobernanza de los datos

Consejos para elegir y utilizar agentic AI
Como toda tecnología, los agentic AI conllevan ciertos riesgos, por lo que es útil tener en cuenta estos puntos al evaluar posibles soluciones.
Cuatro preguntas clave al elegir una herramienta de agentic AI
¿Promueve el "human in the loop"?
Existe la comprensible preocupación de que, crece el uso de los agentic AI, ésta pueda sustituir a las funciones académicas tradicionales o ahogar la creatividad, la originalidad y el pensamiento crítico. Pero si una herramienta se desarrolla de forma responsable, no tiene por qué ser así: puede estructurarse intencionadamente para apoyar, y no sustituir, el pensamiento crítico humano, actuando como catalizador de una reflexión y un razonamiento más profundos. Según Hosseini y Seilani (2025), una de las formas en que los desarrolladores de IA pueden garantizar que esto ocurra es diseñar sistemas de agentic AI que trabajen con los humanos en asociación colaborativa; por ejemplo, introducir "el reparto dinámico de objetivos, la negociación en tiempo real, la toma de decisiones compartida y la asignación adaptativa de tareas".14
¿Explica cómo funciona?
Con muchos sistemas de IA, no siempre está claro cómo han llegado a sus respuestas o las fuentes que han utilizado. Para combatir esto, Viswanathan (2025) señala la importancia de garantizar la transparencia de los agentic AI. "Los sistemas deben diseñarse con características inherentes de explicabilidad que permitan a las partes interesadas comprender el razonamiento que subyace a las decisiones autónomas. Esto incluye la implantación de mecanismos de seguimiento de las vías de decisión y el mantenimiento de pistas de auditoría exhaustivas de las acciones del sistema".15
¿Qué medidas se toman para combatir los prejuicios y las alucinaciones?
Los usuarios quieren que la IA ofrezca respuestas precisas, imparciales, responsables y justas. Pero con las herramientas de grado no académico, el número de alucinaciones (resultados de IA falsos o engañosos presentados como hechos) puede ser elevado.16 En un artículo publicado en Library Journal, Nicole Hennig, desarrolladora de eLearning en las bibliotecas de la Universidad de Arizona, afirmó que la preocupación por las fuentes inventadas ha llevado a su institución a advertir a los estudiantes que eviten las herramientas de IA de grado no académico cuando busquen artículos. Así lo explica: "Los artículos suenan muy verosímiles porque [la herramienta de IA] sabe quién escribe sobre determinados temas, pero la mayoría de las veces se inventa cosas porque no tiene forma de buscarlas".17
Aunque reducir los sesgos y las alucinaciones en las herramientas de agentic AI sigue siendo un reto, se puede hacer mucho para minimizarlos. Y también en este caso, la aportación humana sigue siendo vital, según Gridach, et al., incluidos "mecanismos de supervisión sólidos, arquitecturas humanas en el bucle y marcos para evaluar y mitigar estos riesgos durante la formación y el despliegue".4
¿Cómo trata y utiliza sus datos?
Otra de las grandes preocupaciones de los usuarios es cómo se almacenarán y tratarán sus datos y las consultas que introduzcan. Encontrar un proveedor de confianza que utilice sistemas seguros y consolidados y sea transparente en sus políticas de privacidad puede ayudar a disipar estos temores.
Uso de agentic AI para aumentar la alfabetización en IA en su institución
En su entrevista con Library Connect, Simmons sugirió cinco pasos básicos que pueden dar las bibliotecas.8
Familiarícese con la tecnología
Mejora tus conocimientos de AI
Deja claras las normas. Esto incluye el enlace con los colegas y la administración de la institución para garantizar que las políticas de IA para los usuarios estén actualizadas y se promuevan con claridad. Si actualmente no existe ninguno, trabajen juntos para establecerlos.
No reinventes la rueda. Según Simmons: "Ya existen muchos ejemplos diferentes de cursos y formaciones"
Lance sus propios cursos de formación sobre IA. "Pueden ser tan sencillos como talleres puntuales sobre cómo la IA puede ayudar a los estudiantes a elaborar sus currículos, o programas más complejos. No te preocupes si todavía eres bastante nuevo en la IA. En nuestra profesión, creo firmemente que nadie es realmente un experto en IA. Todos estamos aprendiendo constantemente"
Otras opciones son:
Desarrollo de ejercicios para fomentar la capacidad de evaluación de los estudiantes. Por ejemplo, los bibliotecarios pueden presentar a los alumnos artículos de noticias falsas, resúmenes tendenciosos o textos plagiados y guiarlos para que critiquen y detecten los fallos utilizando sus competencias en IA. Estos ejercicios también pueden utilizarse para reforzar la importancia de comprobar la credibilidad de las fuentes cuando se utilizan herramientas de calificación no académicas. En otras sesiones se pueden examinar ejemplos de ética y parcialidad en la IA, y se anima a los estudiantes a pensar si los cambios en las fuentes de datos y el diseño del sistema podrían haber contribuido a evitar estos problemas.
Organizar sesiones de formación para colegas y profesores: Pueden adoptar la forma de talleres, tutorías o recursos en línea. Y como dice Simmons, no tienen por qué ser elaborados. Por ejemplo, Hennig tiene prevista una "Hora de exploración de herramientas de IA" en línea, durante la cual los colegas podrán pasar tiempo "individual o colectivamente jugando y explorando una o más herramientas [de IA]", con grupos de trabajo y reuniones en persona opcionales.16
Utilizar los agentic AI para ayudar a desarrollar planes de lecciones y materiales de alfabetización informacional: Los agentic AI pueden desempeñar un papel en la elaboración de posibles planes de clases, así como contribuir al contenido de las propias clases. También puede ayudar a elaborar FAQs y LibGuides sobre IA.
Compartir lo aprendido. Si hay otros bibliotecarios, profesores o estudiantes que utilicen activamente los agentic AI, crear un espacio para que compartan sus experiencias puede ayudar a orientar el uso responsable de estas herramientas en el campus.
Referencias
1 Shoham, Y. (julio de 2025). No dejes que el bombo publicitario sobre los agentic AI se adelante a la realidad. MIT Technology Review.
2 Schroeder, R. (febrero de 2025). Contextualización de los agentic AI en la enseñanza superior. Inside Higher Ed.
3 Kamalov, F. et al. (abril de 2025). Evolución de la IA en la educación: Agentic Workflows. arxiv.
4 Gridach, M. et al. (marzo de 2025). Agentic AI for Scientific Discovery: A Survey of Progress, Challenges, and Future Directions. arxiv.
5 Chan. G. (febrero de 2025). Repensar Clark Kerr: Los usos de la universidad en la era de los agentic AI. The Inaugural Dean's Distinguished Lecture, College of Computing, Data Science and Society, Universidad de California, Berkeley, California.
6Utilización deherramientas de IA para la investigación. (consultado el 1 de agosto de 2025). Bibliotecas John Hopkins Sheridan.
7 Perspectivas: Actitudes de los bibliotecarios hacia la IA. (2024). Elsevier.
8 Willems, L. (julio de 2025). El papel de la IA en las universidades es cada vez más importante. ¿Qué significa esto para los bibliotecarios? Library Connect
9 Ojala, M. (enero de 2025). Los agentic AI y los bibliotecarios especializados en IA: Funciones futuras para la profesión. Información Hoy Europa.
10 Coffey, L. (mayo de 2024). Nuevas directrices sobre IA para ayudar a las bibliotecas de investigación. Dentro de la Educación Superior.
11 Futuros Bibliotecarios Parte IV. (2025). Tecnología de Sage.
12 Thomas Jefferson University is Pioneering Professions-Focused Education for a Dynamic Century (consultado el 1 de agosto de 2025). Inside Higher Ed - contenido patrocinado y proporcionado por la Universidad Thomas Jefferson.
13 El auge de la IA generativa en la educación. Adoptar la transformación digital. Episodio 158 del podcast.
14 Hosseini, S. & Seilani, H. (2025). El papel de los agentic AI en la configuración de un futuro inteligente: Una revisión sistemática. Array. Volumen 26.
15 Viswanathan, P. S. (2025). AGENTIC AI: UN MARCO GLOBAL PARA LOS SISTEMAS AUTÓNOMOS DE TOMA DE DECISIONES EN INTELIGENCIA ARTIFICIAL. REVISTA INTERNACIONAL DE INGENIERÍA Y TECNOLOGÍA INFORMÁTICAS. Vol. 16 No. 01.
16 Dolan, E. (abril de 2024). ChatGPT alucina citas científicas falsas pero plausibles a un ritmo asombroso, según un estudio. PsyPost. 17 Thornton, H. (abril de 2024). La IA en el mundo académico. Library Journal.