Lista de reproducción
- No hay más artículos para escuchar
El rápido progreso de los grandes modelos lingüísticos (LLM) en los últimos dos años ha llevado a algunos a argumentar que la IA pronto dejará obsoleta la educación universitaria, especialmente en humanidades. Según esta perspectiva, a los jóvenes les convendría más no ir a la universidad y aprender directamente en el trabajo.
Estoy totalmente en desacuerdo. Aprender a través de la experiencia práctica es valioso y siempre lo ha sido. Pero funciona mejor cuando la gente tiene una idea clara de qué trabajos y habilidades tendrán demanda. Si de algo podemos estar seguros, es de que el futuro del trabajo es muy 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, considerado uno de los pioneros de la IA moderna, comparó el progreso en su campo con la navegación en la «niebla»: se puede ver lo que está justo delante, pero no lo que viene después. Por lo tanto, el principal reto para los educadores es preparar a los estudiantes para operar eficazmente en condiciones de niebla. La respuesta no es capacitarlos para tareas específicas que pronto podrían 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 fallida. Queremos conductores hábiles que puedan navegar por carreteras desconocidas y obstáculos inesperados.
Desde esta perspectiva, la educación, y en especial la educación superior, desempeña un papel más importante que nunca. Dado que desconocemos qué habilidades específicas serán demandadas en el futuro, es imperativo volver a los fundamentos. La educación liberal se centra en cómo pensar, más que en qué hacer. Capacita a los estudiantes para razonar, leer con atención, escribir con claridad y evaluar la evidencia. Estas habilidades se desarrollarán mucho mejor que las limitadas competencias técnicas.
Esto no significa ignorar la tecnología. Al contrario, los estudiantes deben aprender a trabajar con IA. Pero el objetivo debe ser convertirlos en usuarios críticos y jueces informados de las herramientas de IA, no en consumidores pasivos. Sigue siendo esencial enseñar matemáticas básicas, lógica y razonamiento; interactuar con textos fundamentales; y aprender cómo se construyen y se prueban los argumentos. Estas son las habilidades que permiten a las personas mantenerse a la vanguardia de la rápida evolución de la tecnología.
Este principio plantea dos preguntas prácticas: ¿qué debemos enseñar y cómo debemos enseñarlo? La primera pregunta es compleja e inevitablemente generará debate. Si bien puede haber un amplio consenso sobre la importancia de los conceptos básicos, los detalles cambiarán con el tiempo. Nuestra experiencia con tecnologías anteriores ofrece una guía útil. La introducción de calculadoras y computadoras no eliminó la necesidad de enseñar aritmética. Los estudiantes aún aprenden cómo funcionan los cálculos, pero el cálculo manual, que requiere mucho tiempo, ahora se delega a las máquinas. De igual manera, la ortografía y la gramática siguen siendo importantes, pero el software ha reemplazado en gran medida la necesidad de ejercicios interminables.
La IA requiere un ajuste similar en muchos ámbitos. Los LLM ahora realizan tareas como resumir textos o identificar ideas principales —elementos fundamentales de la educación desde hace mucho tiempo— de forma excepcional. Lo mismo ocurre cada vez más con la programación, la resolución de problemas cuantitativos e incluso la redacción de textos. Si bien estas actividades no deberían desaparecer del currículo, el objetivo debería cambiar. Los estudiantes necesitan comprender los conceptos y la lógica subyacentes, en lugar de dominar cada paso de la ejecución.
Los estudiantes que tendrán éxito serán aquellos que puedan usar las herramientas de IA eficazmente para alcanzar objetivos bien definidos. Lo mismo ocurre con la buena gestión: el éxito depende de establecer prioridades, estructurar los problemas y utilizar los recursos disponibles con inteligencia. Estas son habilidades conceptuales, no estrictamente técnicas.
La segunda pregunta, de carácter pedagógico, se refiere a cómo se refuerza y evalúa el aprendizaje. Comprender requiere práctica, pero la IA facilita más que nunca que los estudiantes eviten realizar el trabajo ellos mismos. Incluso los estudiantes muy motivados a veces se ven tentados a tomar atajos, especialmente bajo presión del tiempo. Por lo tanto, necesitamos un cambio radical en la evaluación. Los ensayos para hacer en casa, los ejercicios y los exámenes sin supervisión son cada vez más ineficaces. Deberán ser reemplazados por cuestionarios 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. Requieren asistencia presencial, clases más reducidas e interacción más directa entre estudiantes y profesores. En muchos sentidos, esto marcaría un retorno a los modelos de enseñanza tradicionales, revirtiendo parte de la escala y la estandarización introducidas por las tecnologías anteriores. Incluso podría marcar el comienzo de una nueva era dorada para la educación en humanidades.
Pero este modelo también plantea serias preocupaciones. Impone una mayor responsabilidad a los instructores, quienes deben estar dispuestos a aplicar estándares y emitir juicios complejos. Las instituciones deben apoyarlos en este proceso. Al mismo tiempo, la evaluación basada en la interacción personal genera inquietudes legítimas sobre el sesgo. Los exámenes estandarizados tienen sus defectos, pero sus sesgos son al menos visibles. La evaluación subjetiva basada en exámenes orales e interacción personal puede ser menos transparente.
Quizás el desafío más grave se refiere a la desigualdad. La educación en clases pequeñas y altamente personalizada es costosa. Las instituciones de élite podrían ofrecerla, pero las grandes universidades públicas tendrán dificultades. Así como la educación a distancia durante la pandemia amplió las brechas educativas, una transición impulsada por la IA hacia la enseñanza presencial intensiva podría perjudicar a quienes más dependen de la educación pública.
Algunos argumentan que la IA por sí sola reducirá la necesidad de educación formal al proporcionar información y orientación personalizada a demanda. Sin embargo, esto presupone que los usuarios saben qué preguntar y cómo interpretar las respuestas. Las personas más motivadas o talentosas podrían prosperar en un entorno así, pero lo harían de todas formas. La educación formal es fundamental para la clase media.
Para que la IA beneficie a la sociedad, necesitaremos más, no menos, inversión en educación. La IA desplazará empleos, pero también creará otros nuevos. La educación debería estar entre los sectores en expansión. A medida que la IA se generalice, la calidad educativa dependerá menos del acceso y más de las expectativas y la aplicación de las normas. Clases más pequeñas, más instructores y una mayor interacción personal son costosas, pero las ganancias de productividad que promete la IA hacen que estas inversiones sean viables y rentables.
La autora es execonomista jefe del Grupo del Banco Mundial y editora en jefe de American Economic Review, es profesora de Economía en la Universidad de Yale.
Derechos de autor: Project Syndicate, 2026.
www.project-syndicate.org
