La llegada de la inteligencia artificial al ámbito educativo ha reactivado una vieja aspiración: que la tecnología permita, por fin, resolver problemas estructurales que la escuela arrastra desde hace décadas. Plataformas capaces de personalizar el aprendizaje, sistemas de evaluación automatizada o asistentes que alivian la carga administrativa del profesorado alimentan la idea de un salto cualitativo inminente. El riesgo es conocido. En educación, las promesas de cambio rápido suelen chocar con sistemas complejos, desiguales y profundamente condicionados por su contexto.
La historia reciente de la EdTech ofrece suficientes ejemplos de innovaciones bienintencionadas que, al implantarse sin una lectura sistémica, apenas dejaron huella o incluso reforzaron brechas existentes. En este escenario se inscribe la publicación Artificial Intelligence and Education in the Global South, una obra colectiva coordinada desde la Universidad de Harvard que propone una mirada deliberadamente prudente. Lejos de celebrar la IA como solución en sí misma, el libro plantea qué condiciones deben darse para que la tecnología contribuya realmente a mejorar el aprendizaje.
Su tesis es la siguiente: la inteligencia artificial solo puede tener sentido educativo si se integra en una visión de conjunto, alineada con el currículo, la formación docente, la evaluación y la gobernanza de los sistemas educativos. Sin esa coherencia, la innovación corre el riesgo de quedarse en atajo retórico.
El punto de partida: una educación en crisis (especialmente en el Sur Global)
Durante las últimas décadas, muchos países han logrado avances notables en escolarización. Millones de niños y niñas que antes quedaban fuera del sistema educativo asisten hoy a la escuela. Sin embargo, ese progreso convive con otra realidad mucho menos vistosa: una parte significativa del alumnado no adquiere los aprendizajes básicos esperados para su edad. Leer, comprender un texto sencillo o resolver problemas matemáticos elementales sigue siendo un desafío para demasiados estudiantes. El acceso, por sí solo, no garantiza aprendizaje.
Esta crisis se expresa con especial crudeza en el llamado Sur Global, donde a los bajos resultados educativos se suman desigualdades persistentes, brechas digitales profundas y sistemas institucionales con capacidades limitadas. Escuelas con infraestructuras precarias, docentes sobrecargados y escaso acompañamiento pedagógico conforman un contexto en el que cualquier innovación (incluidas las tecnológicas) se despliega sobre bases frágiles.
Es por ello que el libro pone el foco en estos países. No solo porque concentran la mayor parte de la población escolar del planeta, sino porque allí el margen de error es menor. Introducir tecnologías complejas en sistemas que aún luchan por garantizar aprendizajes fundamentales implica riesgos elevados: desviar recursos, aumentar desigualdades o reforzar dinámicas de exclusión ya existentes.
Es en ese marco donde se juega la cuestión de fondo. Como subrayan los investigadores de Harvard, en contextos de escasez, las decisiones educativas son necesariamente políticas. Apostar por la inteligencia artificial sin una lectura cuidadosa de prioridades, capacidades y objetivos puede resultar más costoso que no innovar. Por eso, la pregunta que debemos hacernos no es qué puede hacer la tecnología, sino qué problemas educativos se decide abordar, y a quiénes se deja atrás, en el proceso.
Pensar la educación como sistema
Hablar de educación como sistema implica asumir que sus principales componentes (currículo, profesorado, evaluación, gestión escolar y gobernanza) no funcionan de manera independiente, sino en constante interacción. Cambiar uno de ellos sin atender a los demás suele producir efectos limitados o contradictorios. Una innovación puede mejorar un aspecto concreto y, al mismo tiempo, desajustar otros, diluyendo su impacto o incluso generando nuevos problemas.
Esta mirada sistémica es uno de los aportes centrales del libro. La inteligencia artificial, sostienen sus autores, no actúa en el vacío: se inserta en estructuras preexistentes, con reglas, incentivos y culturas profesionales propias. Un sistema de aprendizaje personalizado, por ejemplo, difícilmente transformará la enseñanza si el currículo sigue siendo rígido, la evaluación premia la memorización o el profesorado carece de tiempo y formación para reinterpretar los datos que la tecnología produce.
Además, los sistemas educativos son especialmente sensibles a los llamados efectos de segundo orden. Automatizar tareas administrativas puede liberar tiempo para el liderazgo pedagógico… o generar nuevas cargas burocráticas. Introducir herramientas de evaluación más sofisticadas puede enriquecer la información sobre el aprendizaje… o reforzar prácticas de control si no se acompaña de cambios en la cultura escolar. Las consecuencias no siempre son lineales ni previsibles.
Por eso muchas innovaciones educativas fracasan no por fallos técnicos, sino porque se introducen como piezas sueltas en engranajes complejos. Pensar en la IA como palanca de transformación exige, por tanto, algo más exigente que adoptar nuevas herramientas. Requiere preguntarse cómo encaja cada intervención en el conjunto del sistema y qué ajustes pedagógicos, organizativos y políticos son necesarios para que se produzca una verdadera mejora del aprendizaje.
Pensar en la IA como palanca de transformación exige preguntarse cómo encaja cada intervención en el conjunto del sistema y qué ajustes pedagógicos, organizativos y políticos son necesarios para que se produzca una verdadera mejora del aprendizaje.
Dónde puede aportar la IA… si se dan las condiciones
El libro evita presentar la inteligencia artificial como una solución homogénea y propone, en cambio, un recorrido por los ámbitos concretos del sistema educativo donde su uso podría marcar alguna diferencia. Los vemos.
Personalizar sin cambiar la lógica no es transformar
Pensada desde una lógica sistémica, la inteligencia artificial abre posibilidades reales de mejora en el aprendizaje del alumnado. La promesa más citada es la personalización: sistemas capaces de adaptar ritmos, contenidos o apoyos a las necesidades de cada estudiante podrían ayudar a atender mejor la diversidad presente en las aulas. Sin embargo, la evidencia disponible es todavía desigual y tiene un límite: cuando estas herramientas se incorporan sin cambios en el currículo ni en la práctica docente, tienden a reproducir modelos de enseñanza ya existentes más que a transformarlos.
Enseñar con IA no es lo mismo que educar para un mundo con IA
Algo similar ocurre con el currículo y la llamada alfabetización en inteligencia artificial. Enseñar a usar herramientas no equivale a preparar a los estudiantes para un mundo atravesado por la IA. Esto implica comprender cómo funciona, desarrollar pensamiento crítico sobre sus límites y efectos, y situarla en un marco ético y social más amplio. Integrar estas competencias exige decisiones curriculares deliberadas, no añadidos marginales a programas ya sobrecargados.
Evaluar mejor no depende solo de mejores algoritmos
La evaluación es otro de los ámbitos donde la IA podría marcar una diferencia significativa. La posibilidad de analizar textos escritos, procesos de resolución o trayectorias de aprendizaje abre la puerta a valorar competencias más complejas que la mera memorización. Pero la tecnología no redefine por sí sola qué se considera aprender. Si los sistemas de evaluación siguen orientados a pruebas estandarizadas de bajo nivel cognitivo, la IA tenderá a reforzar esas mismas lógicas, aunque lo haga de forma más sofisticada.
Cuando la IA apoya al profesorado (y cuando lo desborda)
En el caso del profesorado, la inteligencia artificial puede convertirse en una aliada relevante. Herramientas que apoyan la planificación, ofrecen retroalimentación o reducen la carga administrativa pueden liberar tiempo para lo esencial: enseñar y acompañar el aprendizaje. El riesgo aparece cuando estas soluciones se conciben como sustitutos del juicio profesional o se introducen sin una inversión sostenida en formación docente.
Gobernar con datos exige algo más que tener datos
También en la gestión escolar y la gobernanza, la IA promete mejorar la toma de decisiones mediante un uso más inteligente de la información, optimizar recursos y anticipar problemas. Sin embargo, sin marcos claros de uso, transparencia y rendición de cuentas, estas capacidades pueden derivar en nuevas formas de control, exclusión o desconfianza.
¿Qué se desprende de todo esto? La inteligencia artificial puede aportar valor en múltiples frentes, pero solo cuando se integra en sistemas que saben qué quieren mejorar. Sin prioridades educativas claras, la promesa tecnológica se diluye.
Los riesgos: cuando la innovación puede agravar el problema
El debate sobre la inteligencia artificial en educación suele poner el acento en sus posibilidades. Mucho menos visible es el análisis de los riesgos que conlleva su adopción en sistemas educativos frágiles o desiguales. Sin embargo, ignorarlos no los hace desaparecer. Al contrario, puede amplificarlos.
El riesgo más evidente es el de la ampliación de desigualdades. En contextos donde el acceso a dispositivos, conectividad o acompañamiento pedagógico es desigual, las soluciones basadas en IA tienden a beneficiar antes a quienes ya cuentan con mejores condiciones. La promesa de personalización puede derivar así en nuevas formas de segmentación educativa.
A ello se suman los sesgos algorítmicos y la falta de transparencia. Muchos sistemas automatizados se apoyan en datos incompletos o poco representativos, y operan como cajas negras difíciles de auditar. Cuando estas herramientas influyen en procesos de evaluación, orientación o asignación de recursos, el riesgo no es solo técnico, sino profundamente ético y político.
Otro problema creciente es la dependencia de proveedores tecnológicos. La adopción de soluciones cerradas, diseñadas fuera del contexto educativo local, puede limitar la capacidad de los sistemas para adaptar, regular o incluso comprender las tecnologías que utilizan. Con ello se erosiona la agencia local de docentes, escuelas y autoridades educativas.
Por último, está el riesgo de la distracción. En sistemas que aún luchan por garantizar aprendizajes básicos, invertir tiempo y recursos en soluciones sofisticadas puede desviar la atención de prioridades más urgentes.
Qué condiciones hacen que la IA tenga sentido educativo
Si algo queda claro tras recorrer los debates sobre inteligencia artificial y educación es que el impacto de la tecnología no depende solo de lo que puede hacer, sino de cómo y para qué se utiliza. Para que la IA tenga sentido educativo, el primer paso es priorizar problemas reales: mejorar los aprendizajes básicos, apoyar al profesorado, reducir desigualdades persistentes. Sin esta jerarquía de objetivos, la innovación corre el riesgo de dispersarse en soluciones vistosas pero irrelevantes.
Diseñar con criterios de equidad y contexto es la segunda condición. Las mismas herramientas no funcionan igual en sistemas con conectividad intermitente, aulas masificadas o recursos limitados. Pensar la IA desde el Sur Global implica adaptarla a esas realidades, no importar modelos concebidos para otros entornos.
La formación docente es un requisito ineludible. Ninguna tecnología transforma la enseñanza si quienes están en el aula no cuentan con tiempo, apoyo y capacidades para integrarla críticamente en su práctica. Sin inversión sostenida en desarrollo profesional, la IA se convierte en una carga más.
A ello se suma la necesidad de evaluar impacto. Medir cuántas escuelas usan una herramienta dice poco sobre si mejora el aprendizaje. Finalmente, todo esto exige marcos de gobernanza y regulación claros, capaces de orientar el uso de la IA como política pública y no como suma de iniciativas aisladas.
Solo así la tecnología puede dejar de ser un fin en sí mismo y convertirse en un medio al servicio de la educación.
La educación sigue siendo un proyecto humano
Como recuerda Artificial Intelligence and Education in the Global South a lo largo de sus capítulos, la inteligencia artificial puede ampliar capacidades, ofrecer nuevos apoyos y abrir espacios de mejora en los sistemas educativos. Pero no sustituye ni a los docentes ni a las decisiones colectivas que definen qué significa educar. Enseñar y aprender siguen siendo procesos profundamente humanos.
En plena aceleración tecnológica, la cuestión decisiva no es hasta dónde puede automatizarse la educación, sino qué criterios orientan esas decisiones. La escuela no es solo un espacio técnico, sino un proyecto social y político que define qué se aprende, cómo y para quién. La inteligencia artificial puede integrarse en ese proyecto y modificar algunas de sus prácticas, pero no sustituirlo. Lo que realmente está en juego no es la incorporación de una nueva herramienta, sino el modelo de sistema educativo que se elige construir en la era de la IA.
