¿Qué deberían enseñar las escuelas cuando la inteligencia artificial ya sabe responder?

‍El primer peldaño del trabajo cambió. La educación también tiene que hacerlo.

En los últimos meses, mientras he estudiado inteligencia artificial y la he incorporado a mi trabajo, hay algo que no deja de sorprenderme.

Una tarea que antes podía tomar horas, hoy puede resolverse en minutos. Una herramienta puede explicar un tema, resumir un libro, traducir, programar, crear una imagen, analizar datos y proponer distintas soluciones casi de inmediato.

Eso me emociona mucho.

También me inquieta.

Como director de una escuela, pero sobre todo como papá, hay una pregunta que me hago una y otra vez:

Si una máquina ya puede producir tantas respuestas, ¿qué deberían enseñar las escuelas hoy?

La respuesta fácil sería enseñar a usar inteligencia artificial.

Aunque creo que eso no sería suficiente.

La otra respuesta fácil sería prohibirla.

También sería insuficiente.

La inteligencia artificial ya forma parte de la vida de nuestros jóvenes. El AI Index 2026 de Stanford reporta que cuatro de cada cinco estudiantes de preparatoria y universidad en Estados Unidos ya utilizan IA para realizar trabajos escolares. Sin embargo, solo la mitad de las escuelas de secundaria y preparatoria tiene políticas sobre su uso, y apenas 6% de los profesores considera que esas políticas son claras.

Aunque el dato proviene de Estados Unidos, la señal es difícil de ignorar.

Nuestros estudiantes no están esperando a que los adultos terminemos de decidir qué pensamos sobre la inteligencia artificial.

Ya la están usando.

Por eso, la pregunta no es si la IA debe entrar a la escuela.

La pregunta es qué clase de persona queremos formar ahora que ya entró.

‍

El primer escalón del trabajo ya cambió

Imaginemos por un momento el primer día de trabajo de uno de nuestros estudiantes.

Durante mucho tiempo, una persona joven comenzaba su vida profesional realizando tareas sencillas. Investigaba información, preparaba presentaciones, organizaba datos, redactaba una primera versión o seguía instrucciones. Mientras hacía ese trabajo, observaba a otras personas, se equivocaba y, poco a poco, desarrollaba criterio y adquiría experiencia.

Ese era el primer peldaño de la escalera.

Hoy muchas de esas tareas ya pueden ser realizadas, o al menos aceleradas, por inteligencia artificial.

Esto no significa que el trabajo vaya a desaparecer. Significa que la puerta de entrada está cambiando.

La Organización Internacional del Trabajo estima que uno de cada cuatro empleos en el mundo tiene algún grado de exposición a la IA generativa. Su conclusión no es que uno de cada cuatro empleos vaya a desaparecer. De hecho, considera más probable que cambien las tareas que integran esos puestos.

El Future of Jobs Report 2025 también muestra un futuro más complejo que la idea de “las máquinas nos quitarán el trabajo”. Entre las ocupaciones que crecerán aparecen especialistas en datos, inteligencia artificial, desarrollo de software y ciberseguridad. Pero también crecerán profesiones relacionadas con la educación, el cuidado, la construcción, las ventas, la energía y el medio ambiente.

No todos nuestros hijos tendrán que convertirse en programadores.

Pero casi todos trabajarán en profesiones transformadas por la tecnología.

Hay otro dato que me parece todavía más importante. El AI Jobs Barometer 2026 de PwC analizó 2.4 millones de vacantes iniciales en Estados Unidos. Encontró que los puestos para jóvenes más expuestos a la IA tienen siete veces más probabilidades de pedir capacidades que antes asociábamos con personas de mayor experiencia, como liderazgo, pensamiento estratégico y toma de decisiones.

Las vacantes iniciales que solicitan estas capacidades crecieron 35% desde 2019.

El dato no es una profecía y tampoco describe por sí solo lo que ocurrirá en México. Pero sí nos muestra una dirección:

Nuestros alumnos podrían llegar a su primer empleo y descubrir que ya no basta con seguir instrucciones. Se les pedirá decidir, explicar, crear y asumir responsabilidad desde el primer día.

Ahí aparece una oportunidad enorme para quienes sepan utilizar la inteligencia artificial. Pero no para quienes solamente sepan escribir una instrucción en una pantalla.

La ventaja será para quienes logren combinarla con conocimientos de medicina, negocios, ingeniería, educación, derecho, diseño, comunicación o cualquier otra disciplina. Para quienes puedan reconocer un error, comprender a una persona, interpretar un contexto y convertir una respuesta en una decisión útil.

La OCDE calcula que las personas con conocimientos avanzados para desarrollar sistemas de IA representan alrededor de 1% de la fuerza laboral. Para la mayoría, el reto será distinto: comprender la tecnología, utilizarla con criterio y combinarla con lectura, matemáticas, ciencia, pensamiento crítico, creatividad y colaboración.

El futuro no pertenece simplemente a quienes sepan usar inteligencia artificial.

Pertenece a quienes puedan crear valor con ella sin entregarle su criterio.

‍

Enseñar conocimientos para poder dudar

Tener una respuesta no significa comprenderla.

Una herramienta de IA puede redactar un texto casi perfecto o perfecto y, al mismo tiempo, inventar una fuente, esconder un sesgo o presentar con enorme seguridad una idea equivocada.

Dos estudiantes pueden recibir exactamente la misma respuesta. La diferencia estará en quién sabe detenerse y preguntar:

    ¿Cómo lo sabes?

    ¿Qué evidencia sostiene esto?

    ¿Qué podría estar equivocado?

    ¿Qué otra explicación puede existir?

    ¿A quién beneficia esta respuesta y a quién podría afectar?

Para poder formular esas preguntas, el conocimiento sigue siendo necesario.

En The Limits of GenAI Educators, uno de los artículos de Harvard Business Review que revisé para escribir este texto, Jared Cooney Horvath recuerda que el pensamiento crítico y la creatividad no aparecen de la nada (en el vacío). Se construyen a partir de conocimientos que una persona ha comprendido y conservado.

No podemos evaluar una explicación de historia si no conocemos historia. No podemos detectar un error matemático si no entendemos matemáticas. No podemos revisar un análisis financiero si nunca aprendimos cómo funciona un negocio.

Memorizar no debería ser el destino final de la educación.

Pero tampoco podemos confundir acceso a la información con conocimiento propio.

La escuela debe seguir enseñando bases académicas sólidas. La diferencia es que ya no puede detenerse ahí. Debe ayudar a que los estudiantes conecten esas bases, las utilicen en situaciones nuevas y aprendan a defender una conclusión con evidencia.

‍

Enseñar a usar la IA sin entregarle el esfuerzo

La inteligencia artificial sí puede ayudar a aprender.

En un estudio aleatorizado realizado en Harvard, un tutor de IA cuidadosamente diseñado ayudó a estudiantes universitarios de física a lograr mayores avances de aprendizaje en menos tiempo que una clase de aprendizaje activo.

Pero hay un detalle muy importante.

No era una conversación libre con cualquier chatbot.

El tutor había sido construido con objetivos pedagógicos, contenidos revisados, preguntas específicas y una estructura paso a paso desarrollada por profesores. Los propios autores no proponen reemplazar la enseñanza presencial. Sugieren utilizar la IA para apoyar la comprensión inicial y reservar el tiempo de clase para discutir, resolver problemas complejos, colaborar y crear.

Otro estudio, publicado en Proceedings of the National Academy of Sciences, encontró la otra cara de la moneda. Casi mil estudiantes de preparatoria mejoraron 48% mientras utilizaron GPT-4 para practicar matemáticas. Sin embargo, cuando se retiró la herramienta, quienes habían tenido acceso libre obtuvieron resultados 17% inferiores a quienes nunca la usaron. Una versión con límites pedagógicos redujo ese daño.

Los dos resultados no se contradicen.

Nos dicen algo más exigente:

Una herramienta no educa por sí sola. Lo que educa es el tipo de esfuerzo, guía, reflexión y retroalimentación que construimos alrededor de ella.

Los documentos Generative AI in Higher Education and Beyond y The Limits of GenAI Educators, disponibles a través de Harvard Business Publishing, ayudan a ver dos partes de la misma realidad.

El primero propone enseñar un uso responsable, transparente y selectivo de la IA. El segundo advierte que un estudiante principiante puede dejar de construir los conocimientos que después necesitará para evaluar una respuesta.

La síntesis no es utilizar IA en todo ni mantenerla fuera de todo.

Es integrarla gradualmente, con intención y acompañamiento.

Antes de abrir una herramienta, cada estudiante debería aprender a preguntarse:

     ¿Qué quiero comprender?

     ¿Qué necesito intentar primero por mí mismo?

     ¿Qué parte tiene sentido delegar?

     ¿Cómo voy a comprobar la respuesta?

     ¿Podría explicar y defender la decisión final sin ayuda de la herramienta?

También debe aprender a reconocer sesgos, proteger sus datos, verificar fuentes, respetar la propiedad intelectual y comunicar con transparencia cuándo utilizó inteligencia artificial.

Saber usar IA incluye saber cuándo dejarla fuera.

‍

Enseñar a aprender, desaprender y volver a aprender

Ninguna escuela puede adivinar con precisión qué herramientas utilizarán sus alumnos dentro de diez años.

Tampoco necesita hacerlo.

Su responsabilidad es ayudarles a desarrollar la capacidad de aprender lo que todavía no existe.

En el capítulo Reskilling and Developing Cognitive Flexibility, de Harvard Business Review Press, David L. Shrier propone cinco prácticas para desarrollar flexibilidad cognitiva: aplicar lo aprendido, reflexionar, cambiar de forma gradual y sostenida, aprender con otras personas y explorar creativamente.

La idea me parece muy valiosa porque devuelve el aprendizaje a la acción.

Escuchar una explicación no es lo mismo que aprender.

Aprendemos cuando utilizamos una idea, cuando tratamos de explicarla, cuando alguien cuestiona nuestra primera respuesta, cuando dormimos sobre un problema, cuando regresamos a él y descubrimos algo que no habíamos visto.

También aprendemos cuando el primer intento no funciona.

En el conocido reto del malvavisco y la torre de espaguetti, equipos de niños pequeños suelen superar a grupos de adultos con estudios avanzados. Los adultos pasan demasiado tiempo buscando la solución perfecta. Los niños construyen, prueban, observan cómo cae la torre y vuelven a comenzar.

No saben más ingeniería.

Pero están dispuestos a aprender de lo que ocurre frente a ellos.

Eso también debería enseñar una escuela: a no confundir equivocarse con fracasar, a cambiar de estrategia sin abandonar el propósito y a entender que el progreso muchas veces ocurre antes de que sea visible.

Un diploma puede abrir una puerta.

La capacidad de seguir aprendiendo permitirá atravesar todas las que vengan después.

‍

Enseñar a ser persona y convertir el conocimiento en acción

Mientras más tareas puedan realizar las máquinas, más valor tendrá aquello que exige conciencia, relación y responsabilidad.

PwC encontró que las nuevas tareas que aparecen en los trabajos más expuestos a la IA tienen 2.5 veces más probabilidades de requerir empatía, juicio y creatividad.

Eso rompe una idea muy común.

La llegada de la tecnología no vuelve menos importantes las capacidades humanas.

Las vuelve más necesarias y empieza a exigirlas antes.

Una persona joven puede entregar un trabajo perfecto con inteligencia artificial y, aun así, no saber defender una idea, escuchar una objeción, recibir una crítica, trabajar con alguien diferente o levantarse después de equivocarse.

Puede construir un personaje exitoso para mostrar al mundo y, al mismo tiempo, no saber quién es cuando nadie lo está aplaudiendo.

Debe enseñar a dialogar, presentar, negociar, colaborar y tomar decisiones.

Debe ayudar a manejar la frustración, sostener la atención y reconocer el progreso invisible.

Debe enseñar educación financiera, emprendimiento, ciudadanía digital y bienestar socioemocional, no como una colección de temas aislados, sino como herramientas para vivir.

Y debe ofrecer problemas reales. Situaciones donde no exista una sola respuesta correcta. Proyectos que obliguen a investigar, elegir, construir, equivocarse, recibir retroalimentación y volver a intentar.

La educación y la acción son como dos piernas.

Con una sola podemos avanzar un poco.

Para llegar lejos necesitamos ambas.

‍

La educación que yo buscaría para mis propios hijos

Cuando una familia pregunta qué debería enseñar una escuela, en el fondo no está preguntando solamente por materias.

Está preguntando si su hijo podrá encontrar un lugar en un mundo que cambia.

Si sabrá sostenerse cuando algo no salga como esperaba.

Si tendrá herramientas para elegir con libertad, construir relaciones sanas, cuidar su dinero, defender una idea y hacer algo bueno con sus capacidades.

Esa es también la pregunta que nos hacemos en DiME.

Por eso nuestro modelo no se limita a que los alumnos acumulen información. Buscamos que comprendan y apliquen.

     Trabajan con problemas reales y método del caso.

     Desarrollan oratoria y storytelling desde secundaria.

     En preparatoria aprenden sobre inteligencia emocional, finanzas personales, programación, negociación y persuasión.

No enseñamos estas capacidades porque sepamos exactamente qué profesión tendrá cada estudiante.

Las enseñamos precisamente porque no lo sabemos.

Queremos que cada estudiante pueda utilizar inteligencia artificial, pero también cerrar la pantalla y pensar.

Que pueda analizar datos, pero también comprender a una persona.

Que pueda construir una solución, explicarla con claridad, escuchar una postura diferente y responder por sus consecuencias.

No creo que una escuela deba presumir que ya tiene todas las respuestas.

Una buena escuela debe tener el valor de hacerse mejores preguntas, revisar lo que hace y cambiar cuando la realidad cambia.

‍

La pregunta que realmente importa

La inteligencia artificial puede producir un texto, proponer cien soluciones y anticipar distintos escenarios.

Pero no puede decidir por un joven qué clase de persona quiere ser.

No puede elegir qué merece defender, a quién desea ayudar, qué hará con su libertad ni cómo responderá cuando el camino no salga como esperaba.

Eso le corresponde a cada persona.

Y acompañarla a descubrirlo sigue siendo una de las tareas más humanas de la educación.

Tal vez la pregunta ya no sea cuánto puede recordar un alumno, sino qué es capaz de comprender, crear y transformar con aquello que aprende.

Porque el futuro no necesita jóvenes que compitan contra las máquinas.

Necesita personas que sepan utilizarlas sin entregarles su criterio, su responsabilidad ni su humanidad.

Elegir una escuela no es solamente decidir dónde estudiará un joven durante los próximos años.

Es elegir quién lo acompañará mientras aprende a construir su lugar en el mundo.

‍

‍

Roberto Ovalles Mostajo

Subdirección de DiME International School

‍

‍

Fuentes principales consultadas

· Hashmi, Nada y Anjali S. Bal. Generative AI in Higher Education and Beyond. Business Horizons, 2024. Harvard Business Publishing, BH1280.

· Horvath, Jared Cooney. The Limits of GenAI Educators. Harvard Business Review, 2024. H08AV5.

· Shrier, David L. Reskilling and Developing Cognitive Flexibility. Harvard Business Review Press, 2024. 1390BC.

· 2026 AI Global Jobs Barometer, PwC, 2026.

· Skills in the AI Age, OCDE, 2026.

· Generative AI and Jobs: A 2025 Update, Organización Internacional del Trabajo y NASK, 2025.

· The Future of Jobs Report 2025, World Economic Forum, 2025.

· The 2026 AI Index Report: Education, Stanford HAI, 2026.

· AI Tutoring Outperforms In-Class Active Learning, Kestin et al., 2025.

· Generative AI Without Guardrails Can Harm Learning, Bastani et al., 2025.

‍