La tarea no es el aprendizaje
Un sistema de IA puede producir un ensayo correcto, resolver una ecuación, explicar un acontecimiento histórico y adaptar un ejemplo a los intereses de un estudiante. Ninguno de esos resultados demuestra que el estudiante pueda razonar sin el sistema, detectar su error, aplicar la idea en un contexto nuevo, o decidir qué pregunta vale la pena hacer. La educación tras una IA transformadora comienza con esa distinción.
La evidencia a corto plazo ya es motivo de cautela. El OECD Digital Education Outlook 2026 sintetiza estudios emergentes en los que una IA diseñada pedagógicamente favoreció el aprendizaje, mientras que los chatbots de propósito general a veces mejoraron el desempeño inmediato en la tarea sin generar ganancias duraderas. En un experimento de campo citado sobre matemáticas de secundaria, los estudiantes que usaron una interfaz estándar de GPT-4 rindieron un 17% peor que el grupo de control en una prueba posterior sin asistencia, mientras que un tutor con salvaguardas de aprendizaje evitó esa penalización. Ese resultado concierne a una sola tarea e implementación; no es evidencia de que todo chatbot reduzca el aprendizaje. El resultado asistido por herramientas y la capacidad adquirida deben medirse por separado.
Esto se vuelve más importante a medida que los sistemas mejoran. Cuando una respuesta es barata, el trabajo educativo escaso consiste en construir modelos del mundo, practicar el juicio, desarrollar la motivación, aprender con otras personas, y volverse capaz de verificar a un asistente poderoso en lugar de simplemente operarlo.
La educación sigue teniendo al menos cinco funciones
Las escuelas no son solo sistemas de entrega de información. Ayudan a los niños a adquirir habilidades fundamentales, a encontrarse con dominios que no elegirían por sí solos, a aprender expectativas sociales, a formar relaciones y a recibir credenciales que otras instituciones reconocen. También proveen comidas, seguridad, servicios para discapacidad, orientación, deportes, artes y cuidado infantil que permite trabajar a los adultos.
Un tutor excelente puede transformar la parte instructiva sin reemplazar a la institución. Una política educativa post-AGI que solo cuente explicaciones por dólar pasará por alto la mayor parte de lo que las familias y las comunidades necesitan de las escuelas.
Las cinco funciones pueden enunciarse con claridad:
- Capacidad: construir conocimientos y habilidades que una persona pueda usar de forma independiente.
- Juicio: practicar la decisión de qué evidencia confiar y qué valores deben guiar la acción.
- Desarrollo: apoyar el crecimiento físico, emocional, social y moral.
- Pertenencia: dar a los jóvenes lugares reales en comunidades con obligaciones hacia los demás.
- Certificación: proveer evidencia creíble de competencia sin convertir la vigilancia en el currículo.
La IA puede asistir cada función. No se le debería permitir redefinirlas silenciosamente en torno a lo que el modelo puede medir.
Tutoría personalizada: una promesa real, con límites específicos
La tutoría uno a uno ha sido históricamente costosa. La IA puede poner explicaciones, preguntas de práctica, traducción, retroalimentación y apoyo de accesibilidad a disposición a una escala extraordinaria. Un estudiante puede hacer la misma pregunta de diez maneras sin vergüenza. Un maestro puede generar varios ejemplos y dedicar más tiempo a diagnosticar por qué un alumno está atascado.
La promesa depende de la implementación. La guía de la UNESCO sobre IA generativa en la educación es orientación de política no vinculante que enfatiza la agencia humana, la privacidad, la idoneidad por edad, la inclusión y la validación pedagógica. Un sistema fluido puede fabricar hechos, adaptarse al objetivo de aprendizaje equivocado, exponer datos sensibles de los estudiantes, u optimizar para el uso continuado en lugar de la eventual independencia.
Un sistema de tutoría útil debería hacerse progresivamente menos necesario. Pide al alumno recuperar el conocimiento antes de suministrarlo, varía los problemas en lugar de repetir una plantilla, muestra incertidumbre, fomenta la verificación externa, y evalúa periódicamente el desempeño sin asistencia. El éxito no es el número de conversaciones agradables. Es lo que el alumno puede hacer después.
Los maestros siguen siendo esenciales porque la enseñanza es relacional y contextual. Un maestro ve la frustración, el cambio familiar, la dinámica entre pares, la evitación, el talento inusual y un patrón de incomprensión a lo largo de las semanas. Incluso una explicación técnicamente superior puede fallar si nadie ayuda a un niño a tolerar la dificultad o a creer que el esfuerzo importará.
El conocimiento fundamental se vuelve más importante, no menos
A veces se argumenta que los estudiantes ya no necesitan hechos porque un modelo puede recuperarlos. Eso confunde el acceso con la comprensión. El conocimiento de base permite a una persona notar una respuesta inverosímil, conectar ideas, formular una consulta útil, y mantener suficiente contexto para razonar. Sin él, la verificación colapsa en preguntar a otro modelo y elegir la respuesta que suena mejor.
La alfabetización básica, la numeración, el razonamiento científico, la educación cívica, la historia, la estadística, la alfabetización mediática y la informática básica siguen siendo infraestructura protectora. La memorización no debería dominar la educación, pero la práctica de recuperación y el conocimiento interno son parte de construir una mente capaz de funcionar cuando las herramientas están ausentes, manipuladas o equivocadas.
El currículo también necesita alfabetización sobre modelos: cómo difieren los datos de entrenamiento de la evidencia, por qué fallan las citas generadas, qué significa la incertidumbre, cómo los rankings automatizados moldean la atención, y cuándo la información privada nunca debería entrar en un sistema. Esto pertenece dentro de las materias existentes, no como una lección de tecnología desechable.
La evaluación debe acercarse más al desempeño
Los ensayos para llevar a casa y las series de problemas rutinarios se convierten en evidencia débil de la capacidad individual cuando un modelo puede completarlos. Responder con vigilancia universal o detección automatizada de trampas crearía sus propios daños y aun así produciría acusaciones falsas.
La evaluación puede en cambio usar varias formas de evidencia:
- escritura y resolución de problemas supervisadas;
- explicación oral y defensa de decisiones;
- portafolios que muestran revisiones y proceso;
- demostraciones y proyectos prácticos;
- trabajo colaborativo con reflexión individual;
- tareas explícitamente asistidas por IA que requieran verificar, comparar o mejorar el resultado del modelo;
- evaluación periódica sin herramientas de las capacidades que deben permanecer independientes.
Ningún método único es perfectamente auténtico o equitativo. Un portafolio puede recibir ayuda externa; los exámenes orales pueden desfavorecer a algunos estudiantes; el trabajo cronometrado puede medir ansiedad. Un sistema mixto es más difícil de manipular y da a los alumnos más de una forma de demostrar competencia.
Las credenciales también pueden cambiar. Los empleadores y las instituciones podrían depender más del trabajo demostrado, las prácticas profesionales, los exámenes licenciados y registros de competencia continuamente actualizados. Eso puede abrir oportunidades, pero también puede convertirse en una puntuación conductual continua. Los registros educativos deberían seguir teniendo un propósito limitado, ser corregibles, y estar sujetos a reglas que impidan que un perfil de modelo de la infancia siga a una persona indefinidamente.
Crecer requiere encuentros que no están optimizados
Un acompañante de IA puede ser infinitamente paciente, interesado y receptivo. Los pares humanos no son ninguna de esas cosas de manera consistente. Los niños aprenden negociación, reparación, empatía, límites, humor, liderazgo y tolerancia a la diferencia a través de relaciones que no pueden controlar por completo.
Un sistema optimizado para retener la atención puede eliminar exactamente la fricción a través de la cual ocurre el desarrollo social. Puede afirmar a un niño cuando un adulto responsable lo desafiaría, o imitar la intimidad sin cargar con necesidades recíprocas. Las escuelas y las familias deberían preservar el juego sin dispositivos, la actividad en equipo, las relaciones intergeneracionales, el tiempo no estructurado y la responsabilidad real por otras personas.
Esto no es un argumento para prohibir la IA en la infancia. La traducción, la accesibilidad, las herramientas creativas, la tutoría y el apoyo a la comunicación pueden ampliar la participación. El límite es que la relación simulada no debería reemplazar silenciosamente el apego humano, la atención profesional de salud mental, o la difícil práctica de convivir con los pares.
Prioridad normativa: los maestros necesitan poder de gobernanza, no solo capacitación
“Capacitar a los maestros para usar IA” es incompleto cuando los maestros no tienen voz en la contratación, el uso de datos, la medición de la carga de trabajo, o si el resultado de un sistema puede prevalecer sobre el juicio profesional. Educadores, estudiantes, padres, especialistas en discapacidad y personal de privacidad deberían participar antes de la adopción.
Los contratos deberían establecer qué datos de los estudiantes se recopilan, si las conversaciones entrenan modelos, cuánto tiempo permanecen los registros, qué subcontratistas los reciben, y cómo las escuelas pueden exportar o eliminar datos. Los sistemas deberían evaluarse en distintos idiomas, necesidades de discapacidad, grupos de edad y currículos locales. Una escuela debe conservar una vía efectiva sin IA para los estudiantes que no puedan usar el producto de forma segura o legal.
La IA debería reducir la carga administrativa en lugar de generar nuevos tableros que intensifiquen el monitoreo. El tiempo ahorrado en la redacción rutinaria debería destinarse a la retroalimentación, la planificación y las relaciones — no justificar automáticamente clases más grandes o menos personal de apoyo antes de conocer los resultados de aprendizaje.
El acceso es más que un chatbot gratuito
La tutoría de bajo costo puede ampliar las oportunidades solo si los estudiantes tienen conectividad, dispositivos, apoyo lingüístico, lugares tranquilos para estudiar y adultos que puedan ayudar. Las familias más adineradas pueden combinar los mismos sistemas con tutores humanos, enriquecimiento, redes de pares seguras y credenciales reconocidas. Proveer software sin instituciones complementarias puede dejar intacta la desigualdad.
Las bibliotecas públicas, las escuelas, los colegios comunitarios y las organizaciones cívicas de confianza pueden ofrecer acceso con protección de la privacidad y apoyo humano. La evaluación pública puede poner a prueba los productos frente a objetivos educativos en lugar de frente al compromiso del usuario. Los materiales educativos abiertos pueden reducir la dependencia de un solo proveedor y permitir que las comunidades inspeccionen lo que se enseña.
A nivel internacional, la cobertura de idiomas y el conocimiento local importan. Un sistema fuerte en inglés y en los currículos de países ricos no es un tutor universal. Las comunidades necesitan la capacidad de construir, traducir, corregir y gobernar recursos educativos sin ceder los datos de los estudiantes o la autoridad cultural.
El graduado post-AGI
La educación no debería intentar vencer a las máquinas en cada tarea. Debería preparar a las personas para seguir siendo autoras de sus objetivos, jueces competentes de la evidencia, participantes responsables en las instituciones, y amigos, familiares, vecinos y ciudadanos capaces.
Un graduado en este mundo debería poder trabajar con sistemas avanzados y sin ellos cuando sea necesario; distinguir una respuesta de un argumento; reconocer la incertidumbre y la manipulación; aprender un dominio difícil; cooperar con otras personas; proteger la información privada; y asumir la responsabilidad de una decisión que afecta a otros.
Esos objetivos son más antiguos que la IA. La capacidad transformadora los vuelve más urgentes porque externalizar la cognición se vuelve fácil mucho antes de que alguien sepa qué capacidades humanas serán difíciles de reconstruir.