La tecnología educativa lleva años presentándose como una palanca de equidad, con una lógica difícilmente discutible: cuando faltan docentes, infraestructuras o recursos, las plataformas digitales permiten llegar más lejos y a más estudiantes.
La inteligencia artificial eleva esa capacidad a otra escala. Sistemas capaces de adaptar contenidos, ofrecer retroalimentación inmediata o acompañar procesos de aprendizaje sin intervención constante del docente abren posibilidades que, hace apenas una década, eran impensables. Algunos informes recientes del Banco Interamericano de Desarrollo y otras organizaciones multilaterales subrayan precisamente ese potencial: ampliar cobertura, personalizar trayectorias y sostener el aprendizaje en contextos donde el sistema educativo llega con dificultad.
Sin embargo, esa misma lógica contiene en sí misma una deriva mucho menos obvia a la que debemos prestar toda nuestra atención. Porque cuando una solución tecnológica se convierte en la opción más viable en determinados contextos, puede dejar de ser un complemento y empezar a configurar, en la práctica, el modelo educativo predominante.
Así las cosas, debemos preguntarnos ¿podría la tecnología estar definiendo qué tipo de educación reciben quienes tienen menos? ¿Está la tecnología reconfigurando la definición de inequidad educativa? Estas son las preguntas sobre las que reflexionaremos en este artículo.
Más acceso, pero no la misma educación
Las métricas clásicas de equidad siguen siendo necesarias, pero dicen cada vez menos por sí solas. Saber cuántos estudiantes están escolarizados, cuántos tienen acceso a dispositivos o cuántas horas pasan conectados permite dimensionar el sistema, pero no describe con precisión qué tipo de aprendizaje están experimentando.
Evaluaciones internacionales como PISA, impulsadas por la OCDE, llevan años mostrando que estudiantes con niveles similares de acceso y escolarización pueden presentar brechas significativas en comprensión lectora, razonamiento matemático o resolución de problemas complejos. Esas diferencias no se explican únicamente por los recursos disponibles, sino por la naturaleza de las experiencias de aprendizaje a las que están expuestos.
La incorporación de inteligencia artificial introduce una nueva variable en esa ecuación. Por un lado, permite sostener una intensidad de práctica y retroalimentación difícil de alcanzar en modelos tradicionales. En contextos con aulas masificadas o con limitaciones de tiempo docente, esto puede traducirse en mejoras concretas en determinadas áreas, especialmente en habilidades procedimentales.
Pero, al mismo tiempo, tiende a privilegiar formas de aprendizaje que pueden organizarse de manera clara, secuencial y verificable. Es una consecuencia directa de su funcionamiento: lo que mejor gestiona es aquello que puede descomponerse, evaluarse y optimizarse.
Esto no implica que otros aprendizajes desaparezcan. Pero sí que pueden perder centralidad si no están deliberadamente protegidos en el diseño pedagógico. El acceso a la tecnología, por sí solo, dice poco sobre la calidad del aprendizaje. Dos estudiantes pueden utilizar herramientas similares y desarrollar capacidades muy distintas. La diferencia no radica en el acceso, sino en cómo esa tecnología organiza el tiempo, la atención y las tareas del estudiante. En qué ocupa la mayor parte de su experiencia de aprendizaje.
Ahí es donde el análisis deja de ser cuantitativo y pasa a ser cualitativo. No basta con medir cuántos acceden. Lo que debe importarnos es a qué tipo de procesos cognitivos están siendo expuestos de forma sistemática.
Qué queda dentro… y qué queda fuera
Los sistemas basados en inteligencia artificial tienden a organizar el aprendizaje en torno a tareas estructuradas: ejercicios, secuencias, respuestas verificables, trayectorias optimizadas. Eso permite mejorar ciertos aspectos del aprendizaje. Pero deja en segundo plano otros que son más difíciles de sistematizar y que son fundamentales para una educación que debe preparar a los estudiantes para contextos inciertos: pensar con otros, argumentar, explorar sin una respuesta inmediata, equivocarse y reformular o construir ideas complejas.
Aquí conviene precisar qué significa “dejar en segundo plano”. No se trata de que estas capacidades desaparezcan, sino de que requieren condiciones que no siempre están presentes en entornos altamente mediados por tecnología: tiempo no fragmentado, interacción sostenida, ambigüedad, posibilidad de desviarse del camino previsto.
La investigación educativa lleva tiempo señalando esta tensión. Trabajos recogidos por la OCDE sobre enseñanza de alta calidad o sobre competencias globales insisten en que el aprendizaje profundo no se produce únicamente mediante práctica repetida o feedback inmediato, sino a través de procesos más abiertos, donde el estudiante tiene que interpretar, relacionar y construir significado.
Incluso en el ámbito laboral, la evidencia apunta en la misma dirección. Estudios internos de empresas como Google han mostrado que las competencias que diferencian a los perfiles de alto desempeño no son, en su mayoría, técnicas, sino vinculadas a la comunicación, la colaboración o la capacidad de integrar información compleja.
El problema no es que la inteligencia artificial no pueda contribuir a estos procesos. Puede hacerlo, y cada vez más. El problema es que, cuando organiza el núcleo de la experiencia de aprendizaje, tiende a favorecer aquello que puede gestionarse con mayor claridad: tareas bien definidas, objetivos explícitos, resultados evaluables. Y eso introduce una asimetrías peligrosas.
Si una parte significativa del tiempo de aprendizaje se dedica a resolver tareas estructuradas, mientras otras dimensiones quedan relegadas a momentos residuales o no planificados, el equilibrio del proceso educativo cambia. Y con él, el tipo de capacidades que se desarrollan de forma sostenida, generando experiencias de aprendizaje que pueden diferir según el contexto.
Hablar de equidad implica preguntarse si todos los estudiantes, independientemente de su contexto, tienen acceso no solo a contenidos, sino a procesos de aprendizaje que incluyan interpretación, diálogo, creación, argumentación y comprensión profunda.
El riesgo: normalizar experiencias distintas
Aquí es donde el análisis adquiere mayor densidad. No porque exista una decisión explícita de ofrecer una educación distinta a unos y a otros, sino porque las soluciones que se adoptan en contextos de escasez podrían tender a apoyarse más intensamente en modelos mediados por tecnología. Es una respuesta pragmática a limitaciones muy concretas: tiempo docente, ratios elevadas, falta de especialización.
Y con el tiempo, ese patrón puede consolidar una diferencia muy importante:
- Para algunos estudiantes, el aprendizaje se construye en interacción constante con docentes y otros alumnos, con espacio para la conversación, el pensamiento y la exploración.
- Para otros, el aprendizaje se organiza principalmente a través de interfaces, ejercicios y sistemas automatizados.
No es una división formal. Es una diferencia en la experiencia cotidiana de aprender. Y esa diferencia importa. Importa porque las oportunidades de desarrollar determinadas capacidades no se distribuyen de forma abstracta, sino a través de la práctica reiterada. Aquello a lo que un estudiante dedica tiempo, atención y esfuerzo de manera sostenida acaba definiendo qué tipo de pensamiento entrena.
Si la mayor parte de su experiencia está orientada a resolver tareas cerradas, recibirá más oportunidades de afinar precisión, rapidez o dominio procedimental. Si, en cambio, su entorno de aprendizaje incorpora de forma sistemática discusión, interpretación y construcción conjunta, desarrollará otras capacidades que requieren un tipo distinto de exposición.
No se trata de jerarquizar unas sobre otras, sino de reconocer que no son equivalentes. La investigación sobre desigualdad educativa lleva tiempo señalando que las diferencias más persistentes no siempre están en el acceso a contenidos, sino en el tipo de demandas cognitivas que enfrentan los estudiantes. Estudios recogidos por la OCDE muestran que los alumnos de entornos más favorecidos tienden a estar más expuestos a tareas abiertas, que requieren interpretar, justificar o conectar ideas, mientras que otros contextos priorizan ejercicios más estructurados.
La incorporación de inteligencia artificial puede amplificar esa tendencia si no se diseña con intención pedagógica. Y ahí es donde aparece el riesgo más difícil de detectar porque más que una brecha manifiesta es una divergencia progresiva en la calidad y naturaleza de las experiencias de aprendizaje.
La equidad como experiencia compartida
Este desplazamiento obliga a revisar la idea misma de equidad educativa. Durante décadas, el objetivo ha sido ampliar el acceso: que todos los estudiantes estén en la escuela, que dispongan de materiales, que puedan participar del sistema. Esa sigue siendo una condición necesaria. Pero empieza a no ser suficiente. Porque la equidad no se agota en el acceso, sino que se juega en la experiencia. En lo que ocurre efectivamente cuando un estudiante aprende: qué tipo de tareas realiza, qué tipo de interacción mantiene, qué tipo de pensamiento se le exige.
Hablar de equidad implica, por tanto, preguntarse si esas experiencias son comparables. Si todos los estudiantes, independientemente de su contexto, tienen acceso no solo a contenidos, sino a procesos de aprendizaje que incluyan interpretación, diálogo, creación, argumentación y comprensión profunda.
Cuando eso deja de ser cierto, la desigualdad no desaparece. Se transforma. Se desplaza desde el acceso hacia la calidad y la naturaleza del aprendizaje. Y se vuelve más difícil de detectar, porque ya no se expresa en indicadores visibles, sino en diferencias acumulativas en las oportunidades de desarrollar determinadas capacidades.
En ese escenario, la tecnología puede jugar en ambos sentidos. Puede contribuir a democratizar experiencias ricas si se diseña para reforzarlas. O puede consolidar modelos más limitados si se utiliza como respuesta principal allí donde el sistema tiene más dificultades para sostener otras formas de enseñanza.
La inteligencia artificial abre una oportunidad real para ampliar las posibilidades de la educación. Permite llegar más lejos, sostener mejor el aprendizaje y ofrecer apoyos que antes no eran viables.
Pero también nos obliga a tomar decisiones más precisas. No sobre si usarla o no, sino sobre qué debe permanecer común en cualquier experiencia educativa. Qué aprendizajes, qué prácticas y qué formas de interacción deben estar garantizadas para todos los estudiantes. Si esa definición no se explicita, el sistema tenderá a resolver sus tensiones de forma desigual. Y entonces la tecnología no actuará como nivelador, sino como organizador silencioso de las diferencias.
No porque genere desigualdad por sí misma, sino porque puede contribuir a fijar, sin declararlo ni pretenderlo, distintas formas de aprender según el contexto. Ahí es donde se redefine, en la práctica, la equidad educativa.
