Imagen generada con IA
Durante siglos, la escuela y la universidad tuvieron una misión relativamente clara: transmitir un cuerpo de conocimientos y entrenar un conjunto de habilidades que el estudiante no podía adquirir por su cuenta. Aprender a leer, a escribir, a calcular, a memorizar fechas, a resolver ecuaciones, a programar. El profesor era el depositario de ese saber y el estudiante, el aprendiz que debía recorrer un camino largo y esforzado para apropiarse de él.
Ese contrato se está rompiendo. Hoy, cualquier persona con acceso a Internet puede pedirle a una inteligencia artificial que le explique la fotosíntesis, que le resuelva una integral, que le escriba un ensayo, que le depure un programa o que le resuma la Revolución Francesa. La respuesta llega en segundos, en un lenguaje claro, adaptado a su nivel, y a menudo con un acierto sorprendente. La pregunta inevitable es: si la máquina ya responde, ¿para qué seguir enseñando lo mismo?
La respuesta fácil sería decir que la escuela debe desaparecer o reducirse a un trámite. La respuesta fácil es equivocada. Pero la respuesta conservadora —seguir enseñando como si nada hubiera cambiado— también lo es. Lo que está en juego no es la supervivencia de la escuela, sino su propósito. Y ese propósito necesita una revisión profunda.
Dos tipos de contenido
Conviene distinguir, aunque sea de manera aproximada, entre dos tipos de contenido que se enseñan en las aulas.
El primero es el que transforma la estructura mental del estudiante. No se trata solo de adquirir información, sino de incorporar una forma de pensar que antes no se tenía. La lógica formal, por ejemplo, no enseña solo a manipular símbolos: enseña a distinguir un argumento válido de uno inválido, a detectar falacias, a estructurar el razonamiento.
El cálculo diferencial no enseña solo a derivar: enseña a pensar en términos de cambio, de acumulación, de aproximación, de límites. La programación, cuando se enseña bien, no enseña solo a escribir código; enseña a descomponer problemas, a abstraer patrones, a diseñar soluciones, a depurar errores. Estas materias dejan una huella duradera en la manera de entender el mundo.
El segundo es el que enseña a resolver problemas concretos y a acumular cultura general. Aprender las capitales de los países, las fechas de las guerras, las fórmulas de la física, los nombres de los autores literarios, los procedimientos administrativos.
Es un conocimiento útil, necesario para la vida práctica y para la conversación culta, pero no transforma necesariamente la estructura mental de quien lo adquiere. Se puede saber mucho de historia y no haber aprendido a pensar históricamente. Se puede recitar la tabla periódica y no entender la química.
Durante mucho tiempo, ambas clases de contenido convivieron en las aulas sin mayor conflicto. La escuela enseñaba las dos porque no había otra manera de acceder a ellas. Pero la inteligencia artificial está cambiando ese equilibrio. La máquina puede resolver problemas del segundo tipo con una eficacia creciente: puede resumir, calcular, traducir, buscar, explicar, generar. Lo que no puede hacer —al menos por ahora, y quizá por mucho tiempo— es transformar la mente de un estudiante. Esa transformación requiere tiempo, esfuerzo, repetición, error, corrección, diálogo, motivación, contexto humano. No se descarga.
El riesgo de confundir información con formación
La tentación, ante este panorama, es abandonar el segundo modelo de contenido y centrarse exclusivamente en el primero. Si la máquina puede resolver lo rutinario, dediquémonos a lo profundo. La idea suena razonable, pero es peligrosa, si se aplica sin matices.
Primero, porque los dos son inseparables. No hay comprensión conceptual sin una base de hechos, procedimientos y ejemplos. La intuición matemática se construye resolviendo problemas, incluso problemas repetitivos. La comprensión histórica se apoya en fechas, contextos y datos. La programación se aprende escribiendo, equivocándose y depurando. Si la inteligencia artificial hace todo el trabajo procedimental, el estudiante puede quedarse sin el sustrato sobre el que se construye la estructura mental. La comprensión profunda no flota en el aire: se apoya en automatismos, en ejemplos, en errores corregidos.
Segundo, porque en el primer patrón de contenido no están incluidas únicamente las ciencias duras o formales; la historia, la literatura, la filosofía, el arte, la ética y las ciencias sociales también transforman la mente. Enseñan a leer contextos, a detectar sesgos, a argumentar, a imaginar otros mundos, a convivir con la ambigüedad, a preguntar por el sentido. Si reducimos la formación profunda a lógica, cálculo y programación, corremos el riesgo de producir tecnócratas brillantes en abstracción pero ciegos al poder, a la cultura y a la responsabilidad. La educación no es solo producir capacidad de cálculo; es formar ciudadanos y personas.
Tercero, porque ese segundo modelo de contenido no es basura. La cultura común, los hechos compartidos y la capacidad de resolver problemas concretos son esenciales para la democracia y para la vida práctica. No todo tiene que ser una revolución conceptual. A veces entender una guerra, una novela o un contrato requiere cultura, contexto y juicio. Si la escuela abandona ese terreno, quienes no tengan acceso a una educación profunda quedarán limitados a pedirle cosas a la máquina, mientras una élite aprende a pensar. Eso sería una estratificación cognitiva, una nueva forma de desigualdad.
Qué puede hacer la inteligencia artificial
La inteligencia artificial no elimina la necesidad de aprender. Elimina la necesidad de centrar la escuela en lo mecánico. Puede ser una tutora incansable, disponible a cualquier hora, capaz de adaptarse al ritmo de cada estudiante, de generar ejercicios personalizados, de dar retroalimentación inmediata, de simular sistemas complejos, de corregir pruebas formales, de traducir, de resumir, de explicar de diez maneras distintas el mismo concepto. Bien usada, puede liberar al profesor de tareas repetitivas y permitirle dedicar más tiempo a lo que de verdad importa: acompañar, motivar, preguntar, corregir el razonamiento, formar el criterio.
Pero también puede convertirse en una máquina de respuestas que impide el aprendizaje. Si el estudiante le pide a la máquina que le resuelva el problema y copia la solución, no aprende nada. Si el profesor la usa para generar exámenes y calificar sin leer, no enseña nada. La diferencia no está en la tecnología, sino en la pedagogía. La pregunta decisiva es: ¿se usa la inteligencia artificial para que el estudiante piense más o para que piense menos?
Lo que hay que enseñar ahora
Si la máquina puede resolver problemas rutinarios, la escuela debe recentrarse en lo que la máquina no puede hacer por nosotros. Eso incluye:
- – Formular buenas preguntas. La capacidad de identificar un problema interesante; de delimitarlo, reformularlo; de preguntar lo que nadie ha preguntado.
- – Modelar problemas. Traducir una situación real a un marco formal, elegir las variables relevantes, simplificar sin traicionar.
- – Verificar críticamente. No aceptar una respuesta porque suena bien o porque la dio una máquina. Comprobar, contrastar, buscar contraejemplos, evaluar fuentes.
- – Transferir conocimientos. Aplicar lo aprendido en un contexto a otro distinto, reconocer patrones, adaptar estrategias.
- – Metacognición. Saber qué se sabe y qué no, regular el propio aprendizaje, detectar los propios errores.
- – Ética y responsabilidad. Entender las consecuencias de lo que se hace, saber justificar decisiones, asumir compromisos.
- – Comunicación y colaboración. Explicar, argumentar, escuchar, trabajar con otros, negociar, construir colectivamente.
- – Creatividad con sentido. No solo generar ideas nuevas, sino juzgar cuáles valen la pena, cuáles son bellas, cuáles son justas.
Estas capacidades no se enseñan con lecciones magistrales ni se evalúan con exámenes de opción múltiple. Requieren práctica, diálogo, proyectos, defensas orales, escritura reflexiva, trabajo en equipo, confrontación de ideas. Requieren tiempo y seres humanos.
El papel del profesor
Nada de esto significa que el profesor desaparezca. Significa que su papel cambia. Deja de ser el transmisor de información —para eso ya está la máquina— y se convierte en diseñador de experiencias de aprendizaje; mediador, modelo de pensamiento y mentor. Su tarea es crear las condiciones para que el estudiante se enfrente a problemas genuinos, se equivoque, reciba retroalimentación útil y desarrolle criterio. Es una tarea más difícil, más artesanal, más humana. Y es también más valiosa.
El profesor también debe enseñar a trabajar con y sin inteligencia artificial. Con ella, para aprovechar su capacidad de generar, resumir, simular, traducir. Sin ella, para desarrollar la memoria, la intuición, la capacidad de razonar por cuenta propia. Un estudiante que solo sabe pedirle cosas a la máquina es un estudiante dependiente. Un estudiante que sabe cuándo usarla y cuándo no, que puede verificar sus salidas y extender sus resultados, es un estudiante autónomo.
La dimensión política
Sería ingenuo pensar que estos cambios son solo pedagógicos. Detrás de ellos hay decisiones económicas y políticas. Las empresas que desarrollan inteligencia artificial tienen incentivos para vender sus productos como soluciones educativas, para captar datos, fidelizar usuarios, sustituir trabajo docente. Los gobiernos tienen incentivos para reducir costos, mostrar modernidad, desregular. Las familias tienen incentivos para buscar ventajas competitivas. En ese contexto, la pregunta “¿cómo enseñar en la era de la IA?” se convierte también en “¿quién decide qué se enseña, cómo se evalúa y para qué?”.
No es un problema técnico. Es un problema de poder. Y como tal, requiere deliberación democrática, transparencia, rendición de cuentas y protección de lo público. La educación no es un mercado; es un derecho. Y la inteligencia artificial, como cualquier tecnología, puede servir para ampliar ese derecho o para restringirlo, según quién la controle y con qué fines.
Conclusión
La inteligencia artificial no va a sustituir a los profesores, ni va a hacer innecesaria la escuela. Pero sí va a obligar a la escuela a repensar su propósito. Durante demasiado tiempo, la educación se centró en transmitir información y entrenar procedimientos rutinarios. Eso ya no basta, porque la máquina hace esas cosas mejor y más rápido.
Lo que la máquina no puede hacer es formar una mente. No puede enseñar a dudar, a preguntar, a juzgar, a responsabilizarse, a crear con sentido. No puede acompañar a un estudiante en el difícil camino de convertirse en persona. Eso sigue siendo tarea humana.
La pregunta no es si la inteligencia artificial debe entrar en el aula. Ya entró. La pregunta es qué hacemos con ella. Si la usamos para que los estudiantes piensen menos, habremos perdido una oportunidad histórica. Si la usamos para que piensen más, para que se liberen de lo mecánico y dediquen su energía a lo profundo, habremos dado un paso adelante.
Enseñar a pensar cuando la máquina ya responde no es una paradoja. Es la tarea más urgente de nuestro tiempo.