IA y el mundo del trabajo (Parte II)

Hace unas semanas atrás me encontré con esta imagen que me lleva a pensar nuevamente en el impacto de la #IA y la #robotización en la interacción hombre-máquina: 

Recordé lo que había leído en el último libro de Eduardo Levy Yeyati y Darío Judzikn: “La automatización reemplaza tareas que las personas realizan bastante bien con tecnologías”.

Es decir, la IA puede resolver situaciones propias de los humanos con instrucciones complejas, pero cuesta explicar lo que hacemos sin darnos cuenta: ¿cómo explicarle a un algoritmo, por ejemplo, el proceso de andar en bicicleta, atarse los cordones de las zapatillas, o subir una escalera?

La IAGenerativa marcó un punto de inflexión. Parecería que, a diferencia de la automatización tradicional, esta tecnología no viene a reemplazar la "fuerza física", sino las actividades que demandan del conocimiento y el desarrollo de capacidades muy propias de la inteligencia humana.  

Con la llegada de la IAGenerativa, Yuval Noah Harari, declaró que la IA ha venido a "hackear el sistema operativo de la humanidad", impactando directamente en las profesiones más sofisticadas.

Ante este panorama, surgen preguntas inevitables:

¿Existirá, en un futuro no muy lejano, algún/nos trabajos que sean realmente inmunes a la automatización?

En este contexto, los empleadores enfrentan desafíos como regulaciones desactualizadas y una cultura organizacional resistente al cambio, lo que suma complejidad a la situación. Según el informe del Observatorio de Innovación Educativa, "Retos de la transformación digital en universidades latinoamericanas", la adopción efectiva de estas tecnologías requiere una inversión significativa en la formación de talento y en la creación de políticas públicas que promuevan la inclusión digital​. Se valoran cada vez más las habilidades para liderar equipos híbridos -humanos y algoritmos- y la gestión de procesos automatizados.

En el post anterior, IA y el mundo del trabajo (Parte I) traíamos el libro Automatizados. Vida y trabajo en tiempos de inteligencia artificial y cuatro disparadores que los autores nos invitan a reflexionar en clave de interrogantes: 

• ¿Qué efecto tendrá la tecnología sobre la probabilidad de conseguir trabajos de calidad?

• ¿Qué herramienta de distribución de ingresos reemplazará el trabajo cuando este escasee?

• ¿Existe una trinchera del trabajo humano que sea inmune a la automatización?

• ¿Qué haremos con las horas de ocio a medida que se vayan acumulando?

Conforme la IA se integra en los procesos de toma de decisiones y ejecución de tareas, los futuros graduados se encontrarán con un mercado laboral en el que las habilidades cognitivas medias y básicas pueden estar cada vez más sustituidas por robots y algoritmos. Pero a su vez, los pronósticos apuntan a la apertura de espacios para la especialización en análisis crítico, creatividad, resolución de problemas complejos y gestión de equipos multidisciplinares.

Si la IA genera abundancia material, es decir, si las máquinas pueden producir casi todo lo que produce un ser humano a un bajo costo, lo que se vuelve escaso no es el producto, sino el componente humano detrás de él.

En esta entrevista, José María Lassalle aborda un tema que toma relevancia en tiempos de datos sintéticos y el mundo del trabajo: la Renta Básica Universal.

En un mundo donde se habla que la IA parece estar compitiendo con la creatividad, el conocimiento y hasta las decisiones, la automatización amenaza a empleos en diversos sectores hacia 2030. Esto plantea un dilema entre 2 escenarios:

👎 Escenario negativo: desempleo estructural, aumento de desigualdades.

👍 Escenario positivo: redistribución de tareas, reducción de jornada laboral, liberación de tiempo para la creatividad y el cuidado.

Si el trabajo deja de definirnos, ¿seremos capaces de reconfigurar nuestras vidas y encontrar un nuevo propósito en el ocio creativo?

¿Es entonces la Renta Básica Universal (RBU) una posible solución a un contexto de automatización? ¿Es una solución inevitable para garantizar seguridad material a todos los ciudadanos frente a la pérdida de empleos?

Coincido con Lassalle en que la clave está en construir un marco humanista que combine regulación, innovación y políticas redistributivas, y la RBU es una herramienta viable de implementar para sostener la dignidad humana, pero que debe insertarse dentro de un humanismo tecnológico cuyo objetivo sea garantizar que la tecnología siga estando al servicio de la humanidad y no al revés.

Para finalizar, sigue abierta la pregunta: ¿Cómo se logra entonces integrar un enfoque multidisciplinario en donde los educadores sean parte de los desarrollos de IA?  

Habitar la tecnología: de la aceptación pasiva a la intervención crítica

Y un día el modem dejó de tener señal. Y el problema no fue eléctrico: #PersonalFlow decidió cortar el servicio de Internet.

La interacción humano-máquina comenzó a través de “PiA”, el asistente virtual de Personal.

¿Solución?

“Para la solución definitiva, es necesario que coordinemos la cita, donde los técnicos te cambiarían el equipo por el servicio actual de Personal Flow en tu zona”

“...para mejorar la calidad de nuestros servicios y darte una solución definitiva, vamos a coordinar una visita técnica para migrar a fibra óptica (FTTH), que es la tecnología actual del servicio en la zona”.

Acordada la visita, el técnico llegó a mi domicilio con la misión de cambiar el modem y establecer la conexión del nuevo cableado. 

Ya en la terraza del edificio, encargado mediante, quedó confirmado: días antes habían pasado "otros técnicos" de #PersonalFlow a realizar una “limpieza de cableado”. Los cables estaban cortados, entre ellos, por supuesto el mío. 

No basta con aceptar pasivamente los relatos que prometen innovación y progreso, es fundamental cuestionarnos, analizar sus efectos y considerar a quién/quiénes beneficia realmente. 

Una afirmación que se escucha frecuentemente es que “las tecnologías no son ni buenas ni malas, depende del uso que le demos”. Y resulta una afirmación débil, pues las tecnologías son mucho más: son maneras de mirar, representar, entender y estar en el mundo. En particular, si nos detenemos en las tecnologías digitales, definen lo que somos y cómo nos relacionamos con los otros. 

En este sentido, las tecnologías resultan extensiones de los valores humanos, que responden a lógicas de eficiencia y progreso, pero que también reproducen y amplifican desigualdades sociales. Es necesario reconocer que las tecnologías que el mercado pone a disposición de la sociedad no nacen de forma espontánea o ingenua. Son producto de decisiones y estrategias que han conducido a un desarrollo -y fundamentalmente a una inversión- en una dirección en lugar de otras muchas posibles. Y aquí, un llamado punto de atención: como argumenta Langdon Winner, la tecnología no es neutral, sino que está inherentemente ligada a valores e intereses particulares. 

Con frecuencia, la tecnología se presenta como si llegara por sorpresa: el ejemplo más actual es la Inteligencia Artificial Generativa. Y una vez que su presencia está consumada, se nos exige buscar la forma de “aprovecharla”, aunque en su diseño nunca haya estado presente este objetivo. Nos encontramos ante una pérdida de nuestra agencia frente a dicha tecnología.

La agencia no consiste simplemente en usar tecnologías, sino en comprenderlas suficientemente como para poder decidir sobre ellas, transformarlas y evitar que “determinen” nuestras prácticas (Martin Parselis).

La conceptualización de lo digital como una doble fuerza motriz, entre lo físico y digital- en palabras de Alessandro Baricco-  define nuestra capacidad de intervención en relación con las tecnologías. 

Vuelvo al ejemplo del modem de fibra óptica de #PersonalFlow: la cuestión no es tecnología sí o tecnologías no, sino qué tecnologías diseñadas y producidas por quién, para qué, cómo y cuándo.

No necesitamos promesas tecnológicas, necesitamos poder intervenir en la construcción de espacios digitales que habitaremos, y no solo usarlos pasivamente.

Una tecnología crítica es aquella que hace visible su propia construcción social, política y técnica, permitiendo que las personas comprendan cómo funciona, cuestionen los valores que incorpora y participen en su transformación. Partiendo que el carácter crítico no reside exclusivamente en el “artefacto”, sino en la relación entre la tecnología con los usuarios, ampliando su capacidad de acción.

Es urgente entonces poner el foco en nuestra agencia, en el desarrollo de una cultura técnica que amplíe nuestra capacidad de agencia y que abra posibilidades de intervención sobre los sistemas tecnológicos. 

Finalmente, ser críticos, no es estar en contra de la tecnología. 

En lo personal, mi mayor preocupación (y ocupación)  es poder contribuir a formar ciudadanos capaces de comprender críticamente la tecnología.

La Universidad en la era del #dato: una transformación que ya no puede postergarse

La transformación digital de la Universidad no consiste solo en incorporar nuevas plataformas, automatizar trámites o digitalizar procesos administrativos. Supone, repensar cómo las instituciones producen, gestionan, interpretan y utilizan sus datos para mejorar la toma de decisiones, la enseñanza, la investigación y la experiencia de sus comunidades.

Los datos representan propiedades de objetos, hechos o conceptos, y por sí mismos suelen tener poca relevancia, pero cuando los procesamos y los analizamos estamos en condiciones de extraer información para, finalmente, generar conocimiento y comprensión. 

La transformación digital educativa no sólo consiste en incorporar tecnología. Consiste en desarrollar una cultura institucional capaz de mirar sus datos, comprenderlos críticamente y convertirlos en mejores decisiones.

Y este es precisamente el objetivo que se fija la analítica de datos: la extracción de conocimiento a partir de los datos disponibles. Un conocimiento que no se limita a explicar lo que ha ocurrido (análisis descriptivo), sino predictivo, e incluso, recomendar acciones concretas (análisis prescriptivo). 

En las últimas décadas se ha visto potenciado gracias a la gran cantidad de datos disponibles y la posibilidad de su almacenamiento, ya no solo de datos estructurados procedentes de las operaciones de las organizaciones, sino también los obtenidos a partir de una gran variedad de medios y formatos generados por nuestra actividad en internet, especialmente de las redes sociales, plataformas de contenido, comercio electrónico y búsqueda de información.

Se agrega también la gran capacidad de cómputo y la aparición de nuevas técnicas y herramientas de mano del aprendizaje automático o de la inteligencia artificial, lo que posibilita descubrir patrones y relaciones complejas entre los datos.

Transparencia y explicabilidad son requisitos fundamentales para asegurar que los datos utilizados en la toma de decisiones no sean incompletos, sesgados o de procedencia ilegítima. Con el aumento de la cantidad y diversificación de fuentes de datos, esta garantía se convierte en una tarea compleja. 

En tanto, la analítica de datos abre oportunidades muy concretas para la educación superior, como ser la detección de patrones de rendimiento académico, la anticipación de riesgos de abandono, la personalización de las trayectorias formativas, como también la contribución a la mejora de los procesos de gestión.

El informe “Tendencias TIC 360: Analítica de datos en la Universidad” (2023) plantea una idea central: sin una estrategia de datos sólida, la universidad corre el riesgo de quedarse en una digitalización superficial. Tener datos no alcanza. Es necesario contar con capacidades institucionales para transformarlos en información relevante, conocimiento útil y decisiones responsables.

Pero el desafío no es solamente técnico. La gestión del dato exige gobernanza, calidad, interoperabilidad, seguridad, privacidad, transparencia y explicabilidad. Requiere también de perfiles profesionales especializados, equipos interdisciplinarios y una cultura institucional capaz de integrar áreas académicas, administrativas, tecnológicas y de gestión.

En este sentido, la analítica de datos puede contribuir a hacer una universidad más eficiente, inclusiva y orientada al aprendizaje. Por ello, la pregunta “clave y estratégica” ya no es si las universidades deben trabajar con datos, sino cómo hacerlo de manera responsable. 

Preguntas cómo ¿Con qué modelos de gobernanza? ¿Con qué capacidades internas? ¿Con qué criterios hacer la selección de datos? ¿Con qué articulación entre tecnología, docencia, investigación y gestión? son claves plantearse al interior de una institución que elige decidir mejor a partir de los datos que tiene.

Más allá de los Asistentes virtuales: Cómo diseñar una arquitectura segura con #AgentesGuardianes

Un agente de IA es un asistente digital personalizado que utiliza inteligencia artificial para realizar tareas, responder preguntas, generar materiales o acompañar procesos de forma autónoma y adaptada a un propósito concreto. 

Así, un agente es un sistema que recibe instrucciones, interpreta información -por ejemplo, lo que escribe el usuario, documentos o datos-  y actúa en consecuencia para cumplir una función específica.

No es simplemente un chatbot:

• Tiene un rol definido 
• Mantiene un contexto de trabajo 
• Puede producir acciones o productos concretos

Hace unos días me encontré con un documento Market Guide for Guardian Agents que alerta sobre las políticas de uso de IA y gobernanza en las empresas. Así, el problema que hoy se plantea es que la adopción de agentes está superando la madurez de controles, cuando la mayoría de las empresas usan IA sin reglas.

Guardian agents supervise AI agents, helping ensure agent actions align with goals and boundaries. They monitor and block risky actions and are evolving from a collection of services to autonomous agents that enforce policies across platforms. AI leaders can use this Guide to understand the market and vendors. 

Según el informe, las empresas actualmente destinan menos del 1% de su presupuesto en IA agéntica a los mecanismos que supervisan y protegen esos mismos agentes.

Gartner también anticipa que el 40% de los proyectos de IA agéntica fracasará antes de 2027 precisamente por la falta de controles de gobernanza. 

La adopción de agentes de IA se está acelerando a un ritmo sin precedentes. Según datos de #Gartner, el 17% de los CIOs ya ha desplegado agentes de IA y otro 42% planea hacerlo a muy corto plazo. Sin embargo, esta autonomía introduce riesgos operativos y de cumplimiento que avanzan mucho más rápido que la capacidad de revisión humana.

Los números de adopción que Gartner documenta para 2026 son significativos, y no tienen equivalente en ciclos tecnológicos más recientes: 

• Menos del 5% de las aplicaciones empresariales tenían agentes de IA específicos para tareas en 2025
• 40% las tendrán antes de que termine 2026
• 17% de los CIOs encuestados ya los desplegó
• 42% planea hacerlo en los próximos 12 meses

Ese salto — de menos del 5% a 40% en menos de 18 meses — no tiene paralelo en la historia de adopción corporativa de tecnología reciente. 

Gartner predice también que hasta 2028, al menos el 80% de las transacciones no autorizadas de agentes de IA serán causadas por violaciones internas de las políticas de la empresa, como intercambio excesivo de información, uso inaceptable o comportamientos desalineados, no por ataques maliciosos externos.

A medida que los agentes interactúan de forma nativa con datos confidenciales, la frontera entre la gestión de identidad y el gobierno de datos se vuelve casi invisible. 

Para 2027, más del 70% de los proveedores de IA clasificará la sensibilidad de los datos como parte del proceso de concesión de accesos.

En este contexto, para escalar la IA de forma segura, surgió una nueva categoría: los Agentes Guardianes (Guardian Agents).

¿Qué son exactamente y por qué cambiarán las reglas del juego de la ciberseguridad antes de que termine la década? 

Un Agente Guardián es una entidad de software que combina gobierno de IA y controles en tiempo de ejecución, diseñado específicamente para supervisar a otros agentes de IA. Su función es garantizar que las acciones de los “agentes autónomos” no violen las políticas de la empresa ni se desvíen de sus objetivos preestablecidos.

A diferencia de las herramientas de seguridad tradicionales, los guardianes están evolucionando de ser simples servicios de monitoreo pasivo a convertirse en agentes semiautónomos o completamente autónomos capaces de bloquear o redirigir acciones riesgosas en tiempo real.

Muchos proveedores de plataformas, como Microsoft -con Agent 365- o Salesforce -con Agentforce- ya incluyen sus propias funciones guardianas embebidas. Esto es importante pero no es suficiente, ya que ningún proveedor de nube puede hacer cumplir políticas de forma unilateral cuando un agente delega tareas en la nube de un competidor o en un entorno local. 

Según el informe, el impacto de esta arquitectura será masivo: para 2029, los agentes guardianes independientes eliminarán la necesidad de casi la mitad de los sistemas tradicionales de riesgo y seguridad destinados a proteger las actividades de IA agéntica en más del 70% de las organizaciones.

¿El Camino Hacia la Autonomía Responsable?

La autonomía sin supervisión no es innovación; es un riesgo operativo inaceptable. Los agentes de IA simplemente no se pueden lanzar al entorno corporativo esperando que sigan instrucciones ambiguas a la perfección.

Las empresas que actúen hoy implementando pruebas piloto con agentes guardianes independientes y diseñando estructuras de metagobernación para "guardar a los propios guardianes" asegurarán una ventaja competitiva masiva, desbloqueando el verdadero potencial productivo de los sistemas autónomos de forma segura, auditable y responsable.

Fuentes: 

Market Guide for Guardian Agents https://airrived.ai/wp-content/uploads/2026/03/Market-Guide-for-Guardian-Agents.pdf?

PAPER REVIEW N°72: Del piloto al fracaso: cómo el 40% de los proyectos agénticos caerán antes de 2027

https://futuria.substack.com/p/paper-review-n72-del-piloto-al-fracaso

La tutoría docente mediada por la Inteligencia Artificial: un análisis de caso

Un chatbot o asistente virtual es una combinación de tecnologías avanzadas. El proceso de funcionamiento de estos sistemas podemos definirlos en tres fases:

1. Entrada del usuario: el chatbot recibe una pregunta o comando de voz o texto, que puede provenir de un estudiante buscando aclarar un concepto o resolver un problema.

2. Procesamiento de la entrada: aquí es donde la inteligencia artificial realmente entra en acción. Mediante el uso de Procesamiento de Lenguaje Natural (PLN) y algoritmos de IA, el chatbot es capaz de "entender" lo que el estudiante está solicitando. Esto se logra al descomponer el lenguaje en sus partes fundamentales, como palabras clave, frases y la estructura gramatical, permitiéndole al chatbot identificar con precisión la intención detrás de la pregunta.

3. Generación de la respuesta: la IA  busca información relevante en sus bases de datos o aplica modelos de aprendizaje automático para elaborar una contestación apropiada y en sintonía con la conversación, es decir, contextualizada. La clave aquí es que, a diferencia de los chatbots más básicos, la respuesta no está preestablecida; se adapta al contexto y a las interacciones previas con el estudiante. Esta capacidad de personalización es lo que permite a los chatbots educativos y ofrecer soluciones a medida para cada usuario.

¿En qué casos se pueden usar los chatbots en contextos educativos? Rey Valzacchi (2024) propone la siguiente clasificación:

• Asistentes virtuales: los chatbots pueden responder preguntas sobre tareas, exámenes, fechas importantes o procedimientos administrativos, proporcionando una experiencia sin fricciones, tanto para estudiantes como para educadores.

• Tutoría personalizada: a partir de la IA generativa, los chatbots pueden ofrecer explicaciones detalladas y adaptadas al nivel de comprensión del estudiante, lo que permite una tutoría personalizada que complemente la intervención humana.

• Evaluación continua y retroalimentación: algunos chatbots están diseñados para realizar evaluaciones periódicas y ofrecer retroalimentación o feedback inmediato, ayudando a los estudiantes a identificar áreas de mejora rápidamente y optimizando el tiempo de los docentes.

• Colaboración entre estudiantes: los chatbots también pueden facilitar la colaboración en

grupo. A través de chats grupales automatizados, los estudiantes pueden trabajar en proyectos colaborativos mientras el chatbot modera las discusiones y ofrece apoyo en tiempo real.

Los chatbots o asistentes conversacionales no sólo ofrecen respuestas automáticas, sino que utilizan algoritmos de aprendizaje automático para analizar el comportamiento de los estudiantes, identificar áreas de debilidad y ajustar su enfoque pedagógico en consecuencia. Es decir, la IA permite que los chatbots reconozcan patrones en el rendimiento de un estudiante, ofreciendo lecciones adicionales, explicaciones más detalladas o ejercicios que requieren mayor nivel de dificultad. Por ejemplo, si un estudiante tiene problemas para entender el concepto de raíz de un polinomio, un asistente virtual puede ofrecer explicaciones más sencillas, formular ejemplos visuales o proporcionar un conjunto de ejercicios adaptados a su nivel. A medida que el chatbot recopila más datos sobre el progreso del estudiante, ajusta sus recomendaciones y propuestas de actividades para retroalimentar el proceso de aprendizaje.

En este contexto de cambio constante, un estudio reciente marca un hito en el debate sobre la personalización de la enseñanza.

El artículo titulado "AI Tutoring Outperforms Active Learning", publicado en Research Square, presenta una evaluación exhaustiva de cómo la tutoría basada en inteligencia artificial (IA) se compara con las metodologías tradicionales de aprendizaje activo en un entorno universitario de alto rendimiento. El estudio no solo examina los resultados puramente académicos, sino también las complejas implicaciones emocionales y personales de los estudiantes que participan en estos métodos distintos.

El objetivo central de este estudio fue determinar la efectividad real de la tutoría basada en IA para potenciar los resultados de aprendizaje en comparación con las clases de aprendizaje activo típico. Para ello, se analizó una cohorte de estudiantes universitarios de la materia Física 2 (PS2), orientada a las ciencias de la vida en la Universidad de Harvard.

Un total de 233 estudiantes fueron asignados aleatoriamente a dos metodologías de instrucción claramente diferenciadas:

• Grupo de Tutoría IA: Los estudiantes recibieron instrucción completamente individualizada de un tutor de IA, diseñado específicamente para adaptarse a las necesidades de aprendizaje del alumno en tiempo real.

• Grupo de Aprendizaje Activo: Los alumnos asistieron a clases tradicionales que aplicaban metodologías activas (como la instrucción por pares), promoviendo la participación directa y dinámica en el aula.

Los hallazgos del estudio desafían algunas de las convenciones más arraigadas de la pedagogía moderna en torno a las clases presenciales.

Mayor aprendizaje promedio lograron los estudiantes instruidos mediante el Tutor de IA en comparación con las clases de aprendizaje activo tradicional.

La diferencia en el rendimiento no solo resultó ser estadísticamente significativa, sino que representa una mejora radical en la eficiencia del proceso de aprendizaje.

Además del puntaje técnico, las encuestas psicométricas revelaron que los estudiantes del Grupo de Tutoría IA reportaron niveles significativamente más altos de compromiso y motivación, derribando el mito de que la interacción con una interfaz tecnológica genera desinterés o frialdad cognitiva. Incluso tras cruzar los datos con factores externos como el conocimiento previo o las horas totales de estudio, la eficacia superior del tutor de IA se mantuvo constante. Esto demuestra que las ventajas son intrínsecas al modelo de personalización algorítmica.

Los hallazgos proporcionan evidencia sólida de que las pedagogías asistidas por IA no solo son viables, sino que resultan sustancialmente más efectivas que las prácticas de aprendizaje activo tradicionales en la educación superior. Este fenómeno sugiere un desplazamiento inminente hacia modelos de instrucción hiper-personalizados y centrados en las trayectorias individuales.

La tecnología abre la puerta a una mayor equidad en el acceso a educación adaptada al ritmo de cada estudiante, además de proporcionar una tutoría con mayor personalización para el aprendizaje.

A pesar del entusiasmo de los resultados, los autores invitan a la prudencia y señalan tres fronteras críticas para futuras investigaciones:

1. Tamaño de la muestra y contexto: Al haberse realizado en una sola institución (Harvard), se requiere comprobar su replicabilidad en contextos universitarios más diversos.

2. Duración del estudio: La investigación abarcó un único semestre, por lo que es necesario un seguimiento longitudinal para evaluar la retención del conocimiento a largo plazo.

3. Velocidad del desarrollo tecnológico: Dada la velocidad con la que avanza la IA generativa, las herramientas analizadas deberán actualizarse constantemente en futuros diseños experimentales.

El estudio "AI Tutoring Outperforms Active Learning" constituye una evidencia al probar que la tutoría basada en IA no solo supera el rendimiento tradicional sino que enriquece la experiencia emocional del estudiante, se traza un camino claro hacia una innovación pedagógica.

Este estudio resalta la importancia creciente de las tecnologías emergentes en la educación, invitando tanto a académicos como a profesionales a evaluar activamente la incorporación de tales innovaciones en estrategias educativas futuras.

Basado en el artículo de investigación publicado en Research Square (2023). 

APRENDER en tiempos de Inteligencia Artificial

"A medida que la Inteligencia Artificial (IA) se introduce rápidamente en las aulas, corremos el riesgo de confundir las respuestas rápidas y fáciles con el verdadero aprendizaje", afirma la emprendedora de educación con IA Priya Lakhani en reciente charla TED  

Desde el año pasado, y en particular a partir del impacto que tuvo la difusión de una investigación del MIT , en la que se concluía que el chatGPT podría estar debilitando las habilidades de pensamiento crítico, existe en el ámbito de la educación, interrogantes acerca del impacto de la IA en los objetivos, los métodos, los contenidos de enseñanza, como también qué transformaciones debería experimentar la educación pero qué principios no debería cambiar.

En el libro Artificial, del año 2023,  sus  autores ya nos traían el concepto de sedentarismo cognitivo, en referencia a la incorporación de herramientas - básicamente digitales- que hemos hecho durante estos años durante estos años para facilitarnos nuestras vidas. Sin embargo, en algunos casos nos han hecho perder algunas habilidades, como por ejemplo la memoria, que es un pilar sustancial para la cognición y el desarrollo del pensamiento: “sin memoria no hay pensamiento ni inteligencia”.

En el video, Priya nos refuerza que la idea que el aprendizaje duradero no proviene de atajos, requiere de un esfuerzo cognitivo, de una lucha productiva, que es el esfuerzo mental que fomenta la comprensión.

Las experiencias y prácticas de uso que estamos registrando en las instituciones educativas, evidencian un mayor uso de parte de los estudiantes para “hacer todo el trabajo por ellos”. No utilizan la IA para ayudarlos a aprender, sino que utilizan la IA para “evitar” el aprendizaje. 

El riesgo real, según la experta, es la ilusión de competencia. Cuando leemos un texto fluido generado por un chat de IA, creemos que aprendimos, pero la realidad es que nuestro cerebro no ha hecho el trabajo cognitivo necesario para aprender: confundimos la fluidez con el aprendizaje.

Para un aprendizaje duradero, Lakhani propone 4 (cuatro) técnicas basadas en las ciencias del aprendizaje, y que requieren de un esfuerzo cognitivo: 

1. Recuperación (Retrieval): no basta con leer; hay que esforzarse por recordar la información de la memoria.

2. Espaciamiento (Spacing): distribuir el estudio en el tiempo para reforzar las conexiones neuronales. 

3. Generación (Generation): intentar responder o crear la solución por uno mismo antes de ver la respuesta correcta.

4. Reflexión (Reflection): analizar cómo estamos aprendiendo y qué brechas nos faltan por cubrir.

Entonces, ¿cuál es el rol de la IA: ¿socio o sustituto?

Lakhani, como Sigman y Bilinkis (autores de Artificial), como tantos otros, entre los que me incluyo, no están en contra del uso de la IA. La IA identifica patrones a partir de datos complejos, y es algo que lo puede hacer mucho mejor que nosotros. Además, una IA bien diseñada puede resultar el mejor socio o copiloto: “Que una máquina pueda realizar una función no significa que tengamos que abandonarla”.  En este sentido, la IA no nos va a reemplazar, nos amplifica, nos multiplica.

Una IA educativa nos potenciaría pero no dando la respuesta directamente, sino:

• Induciendo al estudiante a generar una respuesta en lugar de rebelarse.
• Prediciendo cuándo un estudiante está a punto de olvidar algo y recordárselo en el momento justo, ser un verdadero copiloto para el aprendizaje.
• Contribuyendo en la reducción de la carga administrativa de los docentes para enfocarse en la enseñanza.

El esfuerzo, es la clave

El conocimiento humano trasciende la mera acumulación de datos e información, si dejamos que la IA sustituya las facultades del pensamiento y las capacidades de abstracción e imaginación, estaremos en serios problemas

IA en educación superior y el mundo del trabajo

El avance tecnológico, lejos de ser un fenómeno puramente técnico, representa un agente de profunda transformación socioeconómica y política que redefine las relaciones de poder, la estructura de la desigualdad y la naturaleza del trabajo. Desde este lugar, las oportunidades de empleo para los futuros graduados presentarán cambios significativos en su naturaleza y demanda. A nivel global, se proyecta una reconfiguración importante del mercado laboral en el corto y mediano plazo. 

El Informe sobre el Futuro del Empleo elaborado por el Foro Económico Mundial (2023) estima que cerca del 23% de los puestos de trabajo actuales cambiarán de aquí a 2027 debido a la adopción de nuevas tecnologías, incluida la IA​. Aunque la transformación tecnológica traerá oportunidades, también conllevará pérdidas de trabajos tradicionales, obligando a los graduados a competir en un entorno más volátil. Sectores como atención al cliente o periodismo, el reemplazo de la interacción humana por asistentes virtuales conlleva la pérdida de matices empáticos y responsabilidad humana en la comunicación.

Según el Foro Económico Mundial, 2024, para 2030 se proyecta la creación de 78 millones de nuevos empleos a nivel global, mientras se anticipa la desaparición de 92 millones de trabajos tradicionales​. Esta transición afectará de manera desigual a las economías, con los países desarrollados liderando la adopción de tecnologías y los países emergentes enfrentando mayores retos para adaptarse. Sin embargo, el mismo informe afirma que los seres humanos siguen superando a las máquinas en creatividad, colaboración, liderazgo y empatía, cualidades difíciles de replicar mediante IA.​  

En Argentina, la situación se percibe con mayor complejidad: el 42% de los trabajadores necesitará desarrollar nuevas habilidades en los próximos cinco años, una cifra superior a la media global. Esto incluye competencias en áreas tecnológicas como análisis de datos y aprendizaje automático, pero también habilidades transversales como la resiliencia y el aprendizaje continuo​.

En este contexto, los empleadores enfrentan desafíos como regulaciones desactualizadas y una cultura organizacional resistente al cambio, lo que suma complejidad a la situación. Según el informe del Observatorio de Innovación Educativa, la adopción efectiva de estas tecnologías requiere una inversión significativa en la formación de talento y en la creación de políticas públicas que promuevan la inclusión digital​. Se valoran cada vez más las habilidades para liderar equipos híbridos -humanos y algoritmos- y la gestión de procesos automatizados.

Fuente: imagen generada con Gemini

En cuanto a las áreas con mayor crecimiento previsto, se incluyen tanto sectores tecnológicos como sectores emergentes: se espera, por ejemplo, una alta demanda de especialistas en IA y aprendizaje automático, analistas de datos e inteligencia de negocios, especialistas en ciberseguridad; así como también, de expertos en sostenibilidad ambiental. ​Además de los campos estrictamente tecnológicos, la transición ecológica impulsa un nuevo escenario de oportunidades laborales, creando roles como especialistas en sostenibilidad y revitalizando sectores clave como la agricultura, la educación y la economía digital, los cuales están proyectados a registrar un aumento absoluto de empleos en los próximos años.

Adicionalmente, diversos estudios de prospectiva enfatizan que para 2025-2030 las empresas valorarán crecientemente habilidades como la creatividad, el pensamiento crítico y analítico, la resolución de problemas complejos, la comunicación efectiva, la resiliencia y la adaptabilidad.​ 

A estas habilidades se suma un conjunto de habilidades digitales, que implican el uso creativo, crítico y seguro de las tecnologías digitales para aprender, trabajar y participar como ciudadanos. En esta línea, Esteve, Castañeda y Adell (2018) proponen un modelo de competencia holístico que toma como aspectos claves para su construcción: la naturaleza de la competencia, de la tecnología y de la acción docente. Una competencia holística, situada, orientada hacia roles de desempeño, función y relación, sistémica, entrenable y constante desarrollo. En este sentido, si bien la demanda de habilidades técnicas relacionadas con IA, tales como programación, ciencia de datos o robótica aumentará, también lo hará la demanda de capacidades cognitivas y socioemocionales que permitan complementar a la tecnología. 

El libro Automatizados. Vida y trabajo en tiempos de inteligencia artificial propone varios interrogantes que son respondidos a lo largo de la obra. 

Sus autores, Eduardo Levy Yeyati y Darío Judzikn, nos proponen cuatro disparadores en clave de interrogantes

• ¿Qué efecto tendrá la tecnología sobre la probabilidad de conseguir trabajos de calidad?

• ¿Qué herramienta de distribución de ingresos reemplazará el trabajo cuando este escasee?

• ¿Existe una trinchera del trabajo humano que sea inmune a la automatización?

• ¿Qué haremos con las horas de ocio a medida que se vayan acumulando?

Para responder a estos desafíos, las universidades no solo deben actualizar planes de estudio o incorporar equipos de última generación, sino que deben forjar una cultura institucional de innovación y acompañamiento continuo. 

Las competencias blandas y la formación ética se perfilan como ejes diferenciadores en un entorno donde la automatización puede reemplazar muchas tareas técnicas. En este sentido, en la era de la IA, las habilidades más humanas cobrarán un valor diferencial en el mercado laboral.

La diferenciación institucional se construye mostrando capacidad de diálogo con el contexto global, sólido apoyo tecnológico e incentivos para la innovación y el emprendimiento. 

¿Cómo se logra entonces integrar un enfoque multidisciplinario en donde los educadores sean parte de los desarrollos de IA?  

Continuará....