Abstract
La integración de tecnologías emergentes en la educación constituye uno de los avances más significativos de las últimas décadas, destacando los tutores virtuales como herramientas clave para brindar soporte académico a estudiantes y facilitar la gestión docente (Espino, 2024; Peláez et al., 2024). Este estudio analiza los tutores virtuales potenciados por Modelos de Lenguaje Grandes (LLMs), evaluando su efectividad en la retroalimentación en línea mediante una metodología documental bibliográfica. Se revisaron publicaciones científicas indexadas en bases como Scopus, Google Scholar, SciELO y Dialnet, seleccionando estudios de 2023-2025 enfocados en aplicaciones educativas y desafíos éticos (Cibu et al., 2025; Ba et al., 2025). Los hallazgos revelan que los LLMs, entrenados con vastos datos textuales, generan respuestas coherentes, contextualizadas y casi inmediatas, superando limitaciones de sistemas tradicionales en escalabilidad y personalización (Bonner et al., 2023; García-Méndez et al., 2025; Villegas et al., 2025). Estudios empíricos reportan mejoras significativas en rendimiento académico y compromiso estudiantil, con precisiones superiores al 85% en entornos STEM (Kestin et al., 2025; Kaliisa et al., 2025). No obstante, persisten desafíos éticos como sesgos inherentes, brecha digital y riesgos de sustitución humana (Kasneci et al., 2024; Olalla et al., 2025; Guerschberg & Gutierrez, 2024). Se propone un marco híbrido con Inteligencia Artificial Explicable (XAI) para mayor transparencia y adaptabilidad en contextos latinoamericanos (Gaeta et al., 2025; Horvers et al., 2024). Este trabajo contribuye al conocimiento localizado, ofreciendo recomendaciones para una implementación responsable e inclusiva (Crespo & Benavides, 2024; Pinargote et al., 2025).