- Estamos educando para un mundo que ya no existe: la inteligencia artificial se está superponiendo a sistemas diseñados para una era pre-digital, mientras la evidencia muestra que la tecnología ya está transformando la cognición, las formas de aprender y la salud mental.
- La mejora incremental no responde a la magnitud del desafío: usar inteligencia artificial para optimizar prácticas existentes no resuelve la crisis de aprendizaje, la desigualdad ni la falta de relevancia; solo una transformación sistémica puede hacerlo.
- El valor futuro depende de bases sólidas y del juicio humano: la educación debe priorizar habilidades generales que permitan trabajos complejos y “desordenados”, donde la ejecución, el razonamiento y la adaptabilidad siguen estando fuera del alcance de la automatización.
No se trata de un futuro lejano. Es la realidad que ya vivimos, y no hay marcha atrás. Investigaciones recientes —incluido el libro Artificial Intelligence and Education in the Global South, subrayan con fuerza esta urgencia y nos recuerdan que la pregunta central ya no es si la inteligencia artificial tiene un lugar en la educación.
La tecnología ya cambió la forma en que aprendemos, pensamos y trabajamos. La verdadera oportunidad está en comprender qué nos exige este momento: no ajustes graduales a los sistemas existentes, sino una transformación genuina que prepare a los estudiantes para la vida y el trabajo en un mundo atravesado por la inteligencia artificial.
La evidencia más reciente es clara. No estamos simplemente “sumando” inteligencia artificial a la educación. La estamos introduciendo en un mundo que ya fue profundamente transformado por la tecnología, y esa diferencia es crucial.
Pensemos en cuánto ha cambiado nuestro día a día. En los años treinta del siglo pasado, la mayor parte del tiempo se pasaba con la familia y los amigos. Hoy, alrededor del 60% de nuestro tiempo transcurre en línea. Una animación de Misha Rubin ilustra cómo ha evolucionado el uso del tiempo humano entre 1930 y 2024. La investigación reciente muestra que la exposición temprana a pantallas en la infancia (niños de 0 a 2 años) tiene efectos duraderos en el desarrollo cerebral y en la salud mental durante la adolescencia. Un mayor tiempo frente a pantallas se asocia con una maduración acelerada de ciertas redes cerebrales. Pero esta aceleración no es positiva: algunas redes se desarrollan demasiado rápido, antes de establecer las conexiones eficientes necesarias para el pensamiento complejo, lo que puede limitar la flexibilidad y la resiliencia más adelante en la vida.
En la adolescencia, una etapa clave para el desarrollo de la corteza prefrontal, los efectos de las redes sociales, el ciberacoso y el aislamiento resultan igualmente preocupantes.
Además, un estudio del MIT de 2025 mostró que la dependencia excesiva de herramientas de inteligencia artificial para tareas cognitivas genera lo que los investigadores llaman “deuda cognitiva”: menor activación neuronal, dificultades para recordar información y una sensación más débil de autoría sobre los textos producidos por estudiantes que usaron IA para desarrollar ensayos.
Este contexto exige mucho más que cambios graduales. Mejorar la educación —usar la inteligencia artificial para hacer un poco más eficientes las prácticas actuales o apoyar a los docentes dentro de los marcos existentes— no es suficiente. Estas mejoras suelen ser puntuales, difíciles de escalar y, en el fondo, mantienen intacto el statu quo.
Lo que se necesita es transformación educativa: un cambio sistémico que aborde de manera estructural los desafíos más profundos —la crisis de aprendizajes, la desigualdad y la falta de relevancia— a gran escala y de forma sostenible.
La transformación implica alinear de manera coherente currículo, pedagogía, evaluación y gobernanza. En pocas palabras: la mejora optimiza partes del sistema; la transformación cambia cómo funciona el sistema en su conjunto.
La clave está en entender cómo se desarrolla realmente el capital humano. Un estudio de 2023, Deconstructing Human Capital to Construct Hierarchical Nestedness, que analiza datos ocupacionales de Estados Unidos, muestra que el capital humano no es plano, sino jerárquico. La investigación identifica dos tipos de habilidades especializadas:
- Habilidades especializadas no anidadas, que pueden adquirirse sin una base general sólida, pero ofrecen retornos económicos limitados.
- Habilidades especializadas anidadas, que se construyen sobre capacidades generales fuertes y se asocian con progresión profesional y primas salariales significativas. Los trabajadores con mejores resultados no acumulan habilidades estrechas de forma aislada; profundizan primero sus competencias generales y luego las complementan con especializaciones estratégicas.
La conclusión es clara: para desarrollar habilidades especializadas valiosas, personas y economías deben invertir primero en habilidades generales sólidas. La especialización sin esa base genera retornos económicos más débiles.
El profesor Luis Garicano, de la London School of Economics, aporta una idea clave sobre el futuro del trabajo. Nos enfrentamos a una elección fundamental entre dos tipos de trayectorias laborales:
- Trabajos de una sola tarea: cada vez más vulnerables. La inteligencia artificial es especialmente eficaz para automatizar tareas bien definidas. Aunque hoy los humanos siguen siendo necesarios debido a los errores que aún persisten en muchos campos, esos errores se están reduciendo rápidamente.
- Trabajos “desordenados”: aquellos que combinan múltiples tareas, juicio, conocimiento local, relaciones humanas y ejecución en el mundo real. Estos son mucho más resistentes a la automatización, porque la inteligencia artificial no se desempeña bien en ese tipo de complejidad.
La recomendación de Garicano es clara: elegir el trabajo “desordenado”, donde el aprendizaje, el criterio y la ejecución importan, porque ahí es donde las personas conservarán valor y poder de negociación en una economía impulsada por la inteligencia artificial.
Si queremos que la inteligencia artificial amplifique las capacidades humanas en lugar de reemplazarlas, necesitamos equilibrar una base sólida de aprendizajes fundamentales con el desarrollo de habilidades especializadas emergentes. Los estudiantes requieren competencias generales fuertes que sirvan de base para construir especializaciones “anidadas” y acceder a trabajos complejos y resilientes.
La inteligencia artificial vuelve accesible y barata el conocimiento codificado, pero no sustituye la ejecución, la coordinación, la empatía, la capacidad de navegar contextos políticos ni el conocimiento tácito. Estas capacidades profundamente humanas florecen en entornos que exigen juicio, síntesis y pensamiento adaptativo.
Esto no se trata de hacer que el sistema educativo actual funcione un poco mejor. Se trata de repensar de manera profunda qué significa educar en un mundo donde la tecnología ya transformó cómo pensamos, aprendemos y trabajamos.
La pregunta no es si debemos usar inteligencia artificial en educación. La verdadera pregunta es si seremos capaces de transformar nuestros sistemas educativos para preparar a los estudiantes para un mundo en el que su valor no estará en lo que saben, sino en cómo piensan, cómo se conectan con otros, cómo se adaptan y cómo actúan en contextos complejos, imperfectos y profundamente humanos.
Esa es la transformación que necesitamos.
---
El BID publicó el informe 'Inteligencia artificial y educación: construyendo el futuro mediante la transformación digital', que analiza el rol de la inteligencia artificial en los sistemas educativos.
Te invitamos a explorar cómo 193 iniciativas reales de inteligencia artificial ya están transformando la enseñanza, la inclusión y la gestión escolar, y qué implicaciones tiene esto para el futuro de la educación.
También, descubre cómo los docentes de América Latina y el Caribe están adoptando la IA en su práctica pedagógica, según los nuevos datos de la Nota #37 de CIMA sobre la encuesta internacional TALIS 2024.