IES Dr. Lluís Simarro
SEMANA2026 INFORMÁTICA 21–23 ABR
1M€ Inversión Estatal
Centro de Excelencia
Nacional en IA y Big Data

Instituto Inteligente: Revolucionando la FP con Inteligencia Artificial Local

Un proyecto pionero del IES Dr. Lluís Simarro para crear un ecosistema educativo soberano, predictivo y personalizado sin depender de la nube externa.

Sobrania de datos Baja latencia Modelos open-source GDPR · LOPDGDD
SCROLL
[ 02 · FILOSOFÍA ]

La Visión: Soberanía Tecnológica y Privacidad Absoluta

Cuatro principios innegociables que definen nuestra arquitectura.

01

Soberanía del Dato

Cumplimiento estricto GDPR / LOPDGDD. Cero datos (expedientes, exámenes) abandonan el centro. La información alimenta la pedagogía, no a terceros.

  • GDPR
  • LOPDGDD
  • Zero-egress
02

Personalización

Modelos de código abierto ajustados específicamente a la terminología, normativas y necesidades exactas de nuestras familias profesionales.

  • LoRA
  • Qwen 3 · 80B
  • MoE 8-bits
03

Baja Latencia y Resiliencia

Ejecución local garantizando respuestas instantáneas y un funcionamiento continuo del instituto, incluso ante caídas de la red externa.

  • On-prem
  • < 15s P95
  • Offline-ready
04

Eficiencia Económica

Transición de un modelo de costes variables insostenibles (pago por token en la nube) a una inversión en infraestructura física amortizable.

  • CAPEX
  • Amortizable
  • ROI 5 años
[ 03 · INFRAESTRUCTURA ]

El Motor del Centro: Arquitectura de Hardware Híbrida

Un clúster unificado que separa inferencia masiva de entrenamiento profundo.

NODOS DE INFERENCIA · DGX SPARK

Despliegue de LLMs para cientos de usuarios

DGX Spark - nodo de inferencia
Hardware
6× DGX Spark · GPUs GB10 Blackwell
Memoria
0 GB VRAM / 4 TB NVMe
Procesador
20 núcleos ARM
Eficiencia
~250 W por unidad
Rendimiento
1 PetaFLOP FP4
Capacidad
Modelos 0B params (4-bit)
NODO TITÁN · ENTRENAMIENTO Y FINE-TUNING

Creación y refinamiento de modelos propios

Nodo Titán - entrenamiento
Hardware
3× NVIDIA RTX 6000 Ada Max-Q
Memoria
0 GB RAM ECC
Procesador
AMD Threadripper · 0 núcleos
Almacenamiento
RAID 10 · NVMe PCIe 5.0
Eficiencia
Max-Q: -50 % térmico
// CLÚSTER HÍBRIDO UNIFICADO
[ 04 · RED ]

El Sistema Nervioso: Infraestructura de Red de Alta Velocidad

Cuatro capas diseñadas para mover petabytes sin estrangular el aula.

LAYER 1
Core · Cisco Nexus 3232T
El corazón del CPD. 32 puertos gestionando tráfico masivo a 100 Gbps.
LAYER 2
Enlaces de Alta Capacidad
Conexiones vPC / LACP creando autopistas de datos de 200 Gbps entre CPD, switch central y salida perimetral (Mikrotik).
LAYER 3
Nodos y Servidores
Nodos IA conectados por fibra a 10 / 100 Gbps operando junto a servidores Proxmox para virtualización dinámica de aulas.
LAYER 4
Capa de Acceso
Racks distribuidos por el campus con uplinks de 40 Gbps, garantizando cero latencia para docentes y alumnos.
[ 05 · BENCHMARK ]

Rendimiento Real: Encontrando el Punto Óptimo del LLM

Tras iterar entre modelos de 14B y 32B, la elección final: Qwen 3 80B · MoE 8-bits.

30s25s20s 15s10s0s 02030 4050 Punto Óptimo de Saturación Tiempo de respuesta (s) Usuarios concurrentes
Node 1
Qwen 2.5 · 14B
→
Node 2
Qwen 2.5 · 32B
→
Elección final
Qwen 3 · 80B MoE

Concurrencia Máxima

0users

Soporta hasta 50 usuarios simultáneos (equivalente al uso intensivo de un claustro entero).

Velocidad de Carga

0s

10–15 segundos de media para prompts complejos · 600–700 tok/consulta.

Calidad P95

0%

Garantía de que incluso el 5 % de las consultas más pesadas mantengan latencia pedagógicamente aceptable.

[ 06 · PILAR EDUCATIVO #1 ]

RAGs Departamentales para la Optimización Docente

Cada departamento entrena su propio asistente basado estrictamente en su documentación oficial.

PASO 1

Base de Conocimiento

Ingesta masiva de normativas, apuntes y rúbricas históricas del departamento.

PASO 2

Consulta Vectorial Semántica

El sistema busca por contexto e intención, no por palabras clave.

PASO 3

Generación Segura

El LLM local sintetiza una respuesta basada estrictamente en documentación oficial, evitando alucinaciones.

// IMPACTO PRÁCTICO EN EL AULA

Automatización

Pre-corrección de evaluaciones extensas y redacción de programaciones.

Inclusión

Generación instantánea de materiales adaptados (audio, infografías) para necesidades NEAE.

Interdisciplinariedad

Cruce de datos orgánico para proyectos conjuntos (ej. Edificación + Informática).

[ 07 · PILAR EDUCATIVO #2 ]

Agentes de IA Individualizados para el Alumnado

ADAPTIVE LEARNING MODEL · Un tutor digital por estudiante.

INPUTS (Recopilación Anonimizada)
Historial
Evaluaciones y ritmos de progreso del alumno.
Interacción
Tiempos de respuesta y preferencia de formatos (vídeo vs texto).
Contexto
Dificultades detectadas en tiempo real durante los ejercicios.
Tutor Digital Personalizado
OUTPUTS (Intervención Pedagógica)
Adaptación Dinámica
Modificación de la dificultad en tiempo real para evitar frustración o aburrimiento.
Fomento Metacognitivo
Guía mediante preguntas socráticas en lugar de dar la respuesta directa.
Diagnóstico Proactivo
Alertas tempranas al profesorado antes de que el alumno llegue al fracaso.
[ 08 · METODOLOGÍA ]

El Agente IA como intermediario didáctico

El agente recibe todas las dudas del alumno, responde al instante y devuelve al docente un retrato vivo de cada estudiante y del grupo. Nadie se pierde; el profesor siempre sabe.

Alumno
27 preguntas · hoy
  • ¿Cómo recorro un ArrayList?
  • No entiendo los JOIN…
  • ¿Por qué falla mi SELECT?
  • ¿Qué es un bucle while?
  • No me compila esto…
  • ¿Cómo heredo una clase?
  • Excepción NullPointer 😰
  • ¿Para qué sirve Git?
  • Diferencia HTML vs CSS
  • ¿Cómo conecto a MySQL?
  • ¿Qué es POO?
  • Me da error de sintaxis…
Agente IA
intermediario · 24/7
  • LISTENtodas las dudas
  • ANSWERcontexto del curso
  • REPORTal docente
Docente
1 aula · 30 trayectorias
  • María — 5 dudas en bucles
  • Grupo B: refuerzo en JOIN
  • Lucas avanza · nivel +2
  • Tema 3: 78% comprensión
  • Alerta: 3 alumnos bloqueados
  • Sara pide más retos
  • while: dominados 24/30
  • Revisión sugerida: herencia
  • POO · progreso +18%
  • Laura insiste en SELECT
  • Foco grupal: NullPointer
  • 15 entregas · 12 superadas
// el docente recupera tiempo y gana visibilidad — el alumno gana acompañamiento
[ 09 · PILOTO EN MARCHA ]

Piloto DAM: Generación y Corrección de Exámenes con IA

Aplicación directa de los pilares RAG + Agentes en el primer curso del ciclo formativo de Desarrollo de Aplicaciones Multiplataforma. Entrenado, servido y corregido al 100 % dentro del centro con los datos del departamento de Informática.

01

Ingesta del Departamento

Apuntes, ejercicios resueltos, exámenes históricos y rúbricas del departamento de Informática pasan a una base vectorial privada.

  • RAG local
  • Anonimizado
02

Generación de Examen

El LLM crea N variantes únicas por alumno, con enunciados adaptados al nivel, la unidad trabajada y el estilo del docente.

  • Anti-copia
  • Nivel adaptado
03

Corrección Asistida

Evaluación automática de código en sandbox y teoría frente a rúbrica. Feedback granular por pregunta y ejercicio.

  • Sandbox
  • Rúbricas
04

Validación Docente

El profesor revisa, ajusta y firma las notas. El modelo nunca decide en solitario — trazabilidad completa.

  • Auditable
  • Human-in-loop
⬢

Garantía didáctica: el LLM nunca emite la calificación final. El docente mantiene la autoridad completa, con trazabilidad de cada respuesta y un log auditable de la intervención de la IA.

[ 10 · ECOSISTEMA ]

El Ecosistema Integral: Energía · Eficiencia · Ciberseguridad

Proyecto Centinela Plus
( Energía )
Concepto
IA agéntica y predicción climática para la sostenibilidad física del edificio.
Mecanismo
Sensores de CO₂, temperatura, presencia y consumo eléctrico en tiempo real.
Acción
Predicción de uso de espacios. Ej. precalentamiento del salón de actos para aplanar el pico de consumo.
AI Secure Campus
( Seguridad )
Concepto
Ciberseguridad predictiva mediante Security Onion (SIEM open-source).
Mecanismo
IA neuromórfica que actúa como un cerebelo digital, sintiendo patrones de tráfico.
Acción
Detección y prevención predictiva de anomalías · protección continua e ininterrumpida.
[ 11 · RECURSOS ]

Conecta. Escala. Continúa la conversación.

Escanea para acceder a los canales, plataformas y proyectos paralelos del equipo.

YouTube
CANAL
QR canal IA para Docentes

IA para Docentes

Formación práctica en inteligencia artificial aplicada al aula y al profesorado.

@ia-para-docentes
YouTube
CANAL
QR canal Aula en la Nube

Aula en la Nube

Tecnología, cloud y herramientas digitales para la formación profesional del siglo XXI.

@aulaenlanube
// APUNTA TU CÁMARA A CUALQUIER CÓDIGO PARA ABRIR EL RECURSO
[ 12 · MUJERES + TECH ]

Talento que inspira. Referentes del departamento.

Visibilizar es normalizar. Dos cracks de nuestro departamento de Informática cuentan su trayectoria para inspirar a las próximas generaciones que elegirán FP.