La rápida proliferación de desinformación en las redes sociales subraya la urgente necesidad de una instrucción en alfabetización digital escalable. Este estudio presenta el diseño y la evaluación de un sistema de juego serio mejorado por IA generativa que integra Modelos de Lenguaje Grande (LLMs) para impulsar personajes no jugables (NPCs) adaptativos. A diferencia de las interacciones tradicionales guionadas, el sistema emplea ingeniería de prompts basada en roles para alinear el diálogo de IA en tiempo real con el marco de Moneda, Relevancia, Autoridad, Precisión y Propósito (CRAAP), lo que permite un andamiaje dinámico y escenarios auténticos de desinformación. Un experimento de métodos mixtos con 60 estudiantes de pregrado comparó este enfoque impulsado por IA con la instrucción tradicional utilizando una prueba de alfabetización digital de 40 ítems, el Inventario de Motivación Intrínseca (IMI) y reflexiones abiertas. Los resultados indicaron que, aunque ambos grupos mejoraron significativamente, el grupo basado en el juego logró mayores avances en el rendimiento de evaluación de credibilidad y reportó una mayor competencia percibida, interés y esfuerzo. El análisis cualitativo destacó la compensación en la interacción humano-computadora entre el alto valor pedagógico de la guía adaptativa de IA y las limitaciones técnicas como la latencia del sistema. Los hallazgos demuestran que la IA generativa puede ser operacionalizada de manera efectiva como una capa de interfaz dinámica en juegos serios para fortalecer el razonamiento crítico. Este estudio proporciona pautas prácticas para la arquitectura de interacciones IA-NPC y avanza en la comprensión teórica de la informática educativa apoyada por IA.