La IA y el futuro de la educación
(26 enero 2026) El rápido avance de los grandes modelos de lenguaje (LLM, por sus siglas en inglés) en los últimos dos años ha llevado a algunos a afirmar que la inteligencia artificial pronto volverá obsoleta la educación universitaria, especialmente en las humanidades. Según esta visión, a los jóvenes les convendría más saltarse la universidad y aprender directamente en el trabajo.
No estoy en absoluto de acuerdo. El aprendizaje a través de la experiencia práctica es valioso y siempre lo ha sido. Pero funciona mejor cuando las personas tienen una idea clara de qué empleos y habilidades serán demandados. Si hay algo de lo que podemos estar seguros, es de que el futuro del trabajo es profundamente incierto. Aconsejar a los jóvenes que renuncien a la universidad para incorporarse tempranamente al mercado laboral es, en el mejor de los casos, un error.
Geoffrey Hinton, ampliamente reconocido como uno de los pioneros de la IA moderna, comparó en una ocasión el progreso en su campo con avanzar entre la “niebla”: se puede ver lo que hay justo delante, pero no lo que viene después. En consecuencia, el principal desafío para los educadores es preparar a los estudiantes para desenvolverse eficazmente en condiciones de niebla. La respuesta no es formarlos para tareas específicas que pronto pueden quedar obsoletas, sino hacerlos lo más adaptables posible. Intentar preparar a las personas para un conjunto fijo de desafíos, cuando estos cambian constantemente, es una estrategia condenada al fracaso. Necesitamos conductores expertos capaces de transitar caminos desconocidos y sortear obstáculos inesperados.
Desde esta perspectiva, la educación —y en particular la educación superior— desempeña hoy un papel más importante que nunca. Dado que no sabemos qué habilidades concretas se demandarán en el futuro, resulta imprescindible volver a los fundamentos. La educación liberal pone el acento en cómo pensar, más que en qué hacer. Enseña a razonar, a leer con atención, a escribir con claridad y a evaluar la evidencia. Estas capacidades envejecen mucho mejor que las competencias técnicas estrechas.
Esto no significa ignorar la tecnología. Al contrario: los estudiantes deben aprender a trabajar con la IA. Pero el objetivo debe ser convertirlos en usuarios críticos y evaluadores informados de las herramientas de IA, no en consumidores pasivos. Sigue siendo esencial enseñar matemáticas básicas, lógica y razonamiento; trabajar con textos fundamentales; y aprender cómo se construyen y se ponen a prueba los argumentos. Son estas habilidades las que permiten a las personas mantenerse por delante de una tecnología que evoluciona rápidamente.
Este principio plantea dos preguntas prácticas: qué debemos enseñar y cómo debemos hacerlo. La primera es difícil y, inevitablemente, generará debate. Aunque puede haber un consenso amplio sobre la importancia de los conceptos fundamentales, los detalles cambiarán con el tiempo. Nuestra experiencia con tecnologías anteriores ofrece una guía útil. La introducción de las calculadoras y las computadoras no eliminó la necesidad de enseñar aritmética. Los estudiantes siguen aprendiendo cómo funcionan los cálculos, pero la computación manual, lenta y repetitiva, se ha delegado a las máquinas. De manera similar, la ortografía y la gramática siguen siendo importantes, aunque el software ha sustituido en gran medida la necesidad de ejercicios interminables.
La IA exige un ajuste parecido en muchos ámbitos. Hoy los LLM realizan con enorme eficacia tareas como resumir textos o identificar ideas principales, actividades que durante mucho tiempo fueron pilares de la educación. Lo mismo ocurre cada vez más con la programación, la resolución de problemas cuantitativos e incluso la redacción de textos. Aunque estas actividades no deberían desaparecer del plan de estudios, el objetivo debe cambiar: los estudiantes necesitan comprender los conceptos y la lógica subyacentes, más que dominar cada paso de la ejecución.
Los estudiantes que tendrán éxito serán aquellos capaces de utilizar eficazmente las herramientas de IA para alcanzar objetivos bien definidos. Ocurre lo mismo en la buena gestión: el éxito depende de establecer prioridades, estructurar problemas y usar con inteligencia los recursos disponibles. Se trata de habilidades conceptuales, no de destrezas técnicas limitadas.
La segunda cuestión, de carácter pedagógico, se refiere a cómo se refuerza y evalúa el aprendizaje. Comprender requiere práctica, pero la IA facilita como nunca que los estudiantes eviten hacer el trabajo por sí mismos. Incluso los alumnos más motivados pueden sentirse tentados a tomar atajos, especialmente bajo presión de tiempo. Por ello, necesitamos un cambio profundo en la evaluación. Los trabajos para llevar a casa, las hojas de ejercicios y los exámenes no supervisados son cada vez menos eficaces. Tendrán que ser sustituidos por pruebas y exámenes presenciales, evaluaciones orales y problemas resueltos en tiempo real, ya sea en papel o en la pizarra.
Estos cambios tienen implicaciones de gran alcance. Exigen asistencia presencial, clases más pequeñas y una interacción más directa entre estudiantes y docentes. En muchos sentidos, supondrían un regreso a modelos de enseñanza más antiguos, revirtiendo parte de la escala y la estandarización introducidas por tecnologías anteriores. Incluso podrían dar lugar a una nueva edad dorada de la educación en humanidades.
Pero este modelo también plantea serias preocupaciones. Impone una mayor responsabilidad a los docentes, que deben estar dispuestos a hacer cumplir los estándares y a emitir juicios difíciles. Las instituciones deben respaldarlos en esta tarea. Al mismo tiempo, la evaluación basada en la interacción personal suscita preocupaciones legítimas sobre los sesgos. Los exámenes estandarizados tienen defectos, pero al menos sus sesgos son visibles. La evaluación subjetiva basada en exámenes orales y en la interacción personal puede ser menos transparente.
Quizá el desafío más grave sea el de la desigualdad. Una educación con clases pequeñas y altamente personalizada es costosa. Las instituciones de élite pueden estar en condiciones de ofrecerla, pero las grandes universidades públicas tendrán dificultades. Del mismo modo que la educación a distancia durante la pandemia amplió las brechas educativas, un giro impulsado por la IA hacia una enseñanza presencial intensiva podría perjudicar a quienes más dependen de la educación pública.
Algunos sostienen que la propia IA reducirá la necesidad de educación formal al proporcionar información y orientación personalizada bajo demanda. Pero esto supone que los usuarios saben qué preguntar y cómo interpretar las respuestas. Las personas más motivadas o con mayores capacidades pueden prosperar en ese entorno, pero lo harían de todos modos. La educación formal es especialmente importante para la amplia franja intermedia.
Si la IA ha de beneficiar a la sociedad, necesitaremos más inversión en educación, no menos. La IA desplazará empleos, pero también creará otros nuevos. La educación debería ser uno de los sectores que se expandan. A medida que la IA se generalice, la calidad educativa dependerá menos del acceso y más de las expectativas y de su cumplimiento. Las clases más pequeñas, un mayor número de docentes y una interacción personal más intensa son costosas, pero las ganancias de productividad que promete la IA hacen que estas inversiones sean tanto viables como valiosas.
Fuente: El Nacional
Por: Pinelopi Koujianou Goldberg / Project Syndicate (ex economista jefe del Grupo del Banco Mundial y ex editora jefe de la American Economic Review, es profesora de Economía en la Universidad de Yale.
