A las once de la noche, cuando la casa por fin se ha quedado en silencio, una profesora novel en Chile abre el móvil y escribe una pregunta apresurada. Al día siguiente tendrá su primera observación de clase y no sabe cómo reconducir una actividad que no está funcionando. No hay colegas disponibles, el mentor asignado responde una vez por semana y la inquietud no entiende de horarios.
Al otro lado de la pantalla, Profe Gabi, un chatbot diseñado para acompañar a docentes en sus primeros años, responde casi de inmediato: sugiere ajustes pedagógicos, ofrece apoyo emocional y propone alternativas concretas. Para miles de profesores jóvenes, esta pequeña y discreta interacción se ha convertido en una nueva forma de acompañamiento profesional.
A más de cuatro mil kilómetros, en Recife, una madre entra en la plataforma digital de admisión escolar del municipio. El proceso es rápido: introduce los datos, revisa la lista de centros y confirma la escuela que ya tenía decidida antes de conectarse. El sistema le muestra recomendaciones personalizadas, ordena las opciones según cercanía y desempeño académico, sugiere alternativas que podrían ofrecer mejores resultados educativos. Pero la decisión está tomada. El trayecto diario, el transporte y la disponibilidad de cupos pesan más que cualquier información adicional. Tres minutos después, la inscripción queda cerrada.
Dos escenas muy cotidianas, dos usos distintos de la tecnología en educación y un mismo desafío de fondo. Las herramientas digitales han ampliado el alcance de programas que antes dependían de tiempo, presencia y recursos escasos. Sin embargo, al desplegarse a gran escala dentro de sistemas educativos reales, la discusión se reordena: no gira tanto en torno a la tecnología como a las condiciones que determinan su alcance efectivo.
El problema de fondo: escalar no es copiar y pegar
Durante la última década, América Latina se ha convertido en un laboratorio prolífico de innovación educativa con tecnología. Pilotos bien diseñados, evaluaciones rigurosas y resultados alentadores se acumulan en informes, conferencias y repositorios académicos. Chatbots para docentes, plataformas de aprendizaje adaptativo, sistemas de información para familias o herramientas de gestión escolar muestran que es posible mejorar procesos concretos cuando las condiciones están cuidadosamente controladas. Sin embargo, el salto desde esos pilotos hacia políticas públicas de alcance nacional rara vez produce transformaciones equivalentes.
Parte del atractivo de la inteligencia artificial y de las plataformas digitales reside en su aparente capacidad para romper una de las restricciones clásicas de la educación: el costo de crecer. Una vez desarrollada la herramienta, el razonamiento es conocido, llegar a más usuarios debería ser relativamente barato; la personalización puede automatizarse; la información puede distribuirse sin fricciones. Ese argumento ha ganado peso en sistemas educativos tensionados por la escasez de recursos y la urgencia de mejorar resultados.
Pero la evidencia acumulada en los últimos años dibuja un panorama más complejo. Existe una suerte de ley no escrita de la política educativa con tecnología: a medida que los programas escalan, su impacto tiende a diluirse. No porque la herramienta deje de funcionar, sino porque deja de operar en un entorno controlado. Al crecer, entran en juego decisiones ya tomadas, rutinas institucionales arraigadas, restricciones materiales (tiempo, transporte, cupos, incentivos) y comportamientos que no se modifican simplemente añadiendo información o asistencia digital.
Escalar, en este contexto, no es una cuestión de replicar soluciones ni de ampliar cobertura. Se trata, ante todo, de sostener decisiones de calidad en contextos reales, donde los usuarios no siempre buscan ayuda, la atención es limitada y los márgenes de elección están condicionados por factores externos a la tecnología. Lo relevante, en ese punto, no es si una herramienta funciona, sino en qué condiciones mantiene su capacidad de influir cuando deja de ser una novedad y se integra en el sistema.
Los dos casos que siguen (uno centrado en el acompañamiento docente en Chile y otro en la elección escolar en Brasil) permiten observar con nitidez ese punto de fricción entre alcance e impacto. No para cuestionar el uso de tecnología en educación, sino para entender qué exige realmente escalarla.
Ambas experiencias están documentadas en dos estudios recientes del Banco Interamericano de Desarrollo, a partir de intervenciones insertas en políticas públicas reales y evaluadas con metodologías rigurosas. Su interés reside precisamente en que permiten observar qué ocurre cuando las soluciones digitales entran en sistemas educativos complejos.Principio del formulario
Escalar no consiste en añadir una capa tecnológica a políticas existentes, sino en repensar cómo esas políticas generan condiciones para que la tecnología tenga efectos sostenidos.
Profe Gabi: el chat que acompaña a los docentes… hasta donde puede
Cuando el Ministerio de Educación de Chile puso en marcha Profe Gabi, el objetivo era ampliar el apoyo a profesores en sus primeros años de carrera en un sistema donde la mentoría presencial llega a una fracción limitada de quienes la necesitan. La herramienta, integrada en WhatsApp y basada en inteligencia artificial generativa, ofrecía acompañamiento pedagógico, socioemocional y de desarrollo profesional bajo demanda, sin horarios ni intermediarios. El piloto mostró rápidamente su potencial.
Durante las ocho semanas de implementación inicial, Profe Gabi logró triplicar el alcance del programa nacional de inducción docente, llegando a más de tres veces el número de profesores que atendía el sistema tradicional de mentoría, limitado por la disponibilidad de tutores y por los costos de coordinación.
Los docentes valoraron especialmente la inmediatez de las respuestas, la posibilidad de plantear dudas concretas en el momento en que surgían (muchas veces fuera del horario escolar) y el tono personalizado del acompañamiento. Las encuestas reflejaron altos niveles de satisfacción, y el experimento confirmó algo que durante años había sido difícil de resolver: el problema de acceso podía mitigarse con tecnología.
Sin embargo, a medida que el programa avanzaba, aparecieron las primeras señales de alerta. El uso sostenido del chatbot comenzó a caer, incluso entre docentes que la habían usado activamente en las primeras semanas. La herramienta seguía disponible, las respuestas mantenían su calidad, pero la frecuencia de consulta disminuía. La tecnología había ampliado la puerta de entrada al acompañamiento profesional, pero no lograba, por sí sola, mantener el compromiso en el tiempo.
El análisis del piloto apunta a razones que trascienden el diseño técnico. Profe Gabi no sustituye (ni pretende hacerlo) los incentivos institucionales que reconocen el tiempo dedicado a la mentoría, los espacios protegidos dentro de la jornada laboral para la reflexión pedagógica, ni una cultura escolar que legitime pedir ayuda y compartir dificultades. En la práctica, muchos docentes interactuaban con el chatbot en momentos marginales del día, sin que ese uso estuviera integrado en dinámicas formales de formación o evaluación profesional. La mentoría existía, pero era en gran medida voluntaria e invisible.
La experiencia deja una lección para cualquier intento de escalar el apoyo docente con tecnología. La inteligencia artificial puede reducir costos, ampliar cobertura y ofrecer respuestas personalizadas a gran escala. Pero no reemplaza las condiciones organizacionales que sostienen el aprendizaje profesional. Cuando esas condiciones no están presentes, el riesgo es que la herramienta funcione, pero cada vez sea usada por menos personas.
En ese sentido, Profe Gabi resolvió con eficacia uno de los cuellos de botella más persistentes de la formación docente, el acceso, pero dejó intacto otro igual de determinante: la adhesión sostenida. Escalar, una vez más, resultó ser algo más complejo que multiplicar usuarios.
Recife y los límites de la información inteligente
Cuando Recife reformó su sistema de admisión escolar e incorporó una plataforma digital centralizada, el objetivo era corregir desigualdades históricas en el acceso a las escuelas públicas. La lógica era clara: si las familias contaban con mejor información, presentada de forma más comprensible y ajustada a sus necesidades, podrían tomar decisiones más favorables para el aprendizaje de sus hijos. Sobre esa base se diseñó una intervención centrada en la provisión de información: recomendaciones personalizadas de escuelas, integradas directamente en el proceso de matrícula online.
El sistema mostraba a las familias sugerencias ordenadas según criterios de proximidad y desempeño académico, con el propósito de reducir fricciones informativas sin restringir la libertad de elección. Se trataba de un nudge de bajo costo, apoyado en evidencia previa sobre el efecto de la información en la elección escolar y desplegado dentro de una política pública ya existente, sin crear canales paralelos ni procesos adicionales.
Los resultados, sin embargo, fueron más contenidos de lo esperado. En promedio, el impacto de las recomendaciones sobre las decisiones de matrícula fue limitado. La mayoría de las familias apenas interactuó con el sistema: los registros muestran que los usuarios pasaban unos tres minutos en la plataforma y que cerca de tres cuartas partes entraban con una escuela ya decidida. Solo entre un 14 y un 24 % de las familias (aquellas que efectivamente exploraron y utilizaron las sugerencias) se observaron cambios significativos en la elección.
En ese grupo, las familias que siguieron las recomendaciones tendieron a incluir escuelas de mayor desempeño, a reconsiderar la relación entre calidad y distancia y a ordenar sus preferencias de forma más estratégica. La tecnología, en esos casos, cumplió su función: ayudó a procesar información compleja y a tomar decisiones más informadas. El problema no fue la calidad del diseño, sino su alcance efectivo.
La evidencia apunta a un conjunto de barreras estructurales que el sistema digital no podía resolver por sí solo. La distancia física entre el hogar y la escuela seguía siendo un factor determinante en una ciudad con limitaciones de transporte. La disponibilidad real de cupos restringía el abanico de opciones, incluso cuando existían escuelas con mejores resultados académicos relativamente cerca. Y, sobre todo, muchas decisiones estaban tomadas antes de que la familia interactuara con la plataforma, ancladas en experiencias previas, redes informales o percepciones consolidadas sobre determinados centros.
El caso de Recife muestra de forma muy clara uno de los límites centrales de la tecnología aplicada a la política educativa. La información inteligente no elimina restricciones materiales ni reorganiza la oferta escolar. Funciona cuando existe un margen real de elección y cuando los usuarios están dispuestos a revisar sus decisiones. Allí donde ese margen es estrecho, el impacto se reduce, no porque la herramienta falle, sino porque el problema es de otra naturaleza.
La experiencia deja una advertencia para quienes buscan escalar este tipo de intervenciones: mejorar la calidad de la información es necesario, pero no suficiente. Sin condiciones estructurales que amplíen las opciones disponibles, la tecnología puede orientar decisiones, pero difícilmente puede transformarlas.
Lo que estos dos casos nos dicen
Leídos en conjunto, los casos de Chile y Recife nos ayudan a descartar una idea que suele darse por sentada en el debate educativo: que escalar con tecnología es, ante todo, un problema técnico. La evidencia sugiere lo contrario. En ambos contextos, las herramientas funcionaron; lo que varió fue el tipo de decisión que intentaban influir y el entorno en el que esa decisión se producía.
En Profe Gabi, la tecnología interviene sobre una decisión repetida en el tiempo. Cada consulta al chatbot implica volver a pedir ayuda, reconocer una dificultad, encontrar un momento para reflexionar sobre la práctica. El principal desafío no fue generar acceso (eso se resolvió con eficacia), sino sostener el compromiso. Sin incentivos claros, sin tiempos protegidos y sin integración formal en la carrera docente, el acompañamiento quedó relegado a los márgenes de la jornada. La herramienta estaba ahí, pero su uso competía con la fatiga, la sobrecarga laboral y otras prioridades institucionales.
En Recife, en cambio, la tecnología buscaba influir en una decisión puntual: la elección de una escuela. Aquí el problema no fue la persistencia, sino el contexto previo. Muchas familias entraban al sistema con la decisión ya tomada, condicionada por la distancia, el transporte, la disponibilidad de cupos o experiencias anteriores. Las recomendaciones tuvieron efecto cuando las familias disponían de un margen real de elección: más de una escuela accesible, cupos disponibles y tiempo para comparar alternativas antes de cerrar la inscripción.
De esta comparación podemos extraer algunas lecciones transversales. La primera es que la tecnología amplía opciones, pero no cambia incentivos. Puede facilitar la toma de mejores decisiones, pero difícilmente modifica las reglas formales e informales que organizan el comportamiento de docentes y familias. La segunda es que la personalización solo tiene efecto cuando el usuario está en condiciones de decidir: cuando hay tiempo, atención y alternativas reales sobre la mesa. La tercera es que el cuello de botella no siempre es informacional. En muchos casos, es material: trayectos largos, escasez de oferta, cargas laborales, ausencia de reconocimiento institucional.
Y por último: escalar no consiste en añadir una capa tecnológica a políticas existentes, sino en repensar cómo esas políticas generan condiciones para que la tecnología tenga efectos sostenidos. Sin ese rediseño, las herramientas digitales pueden mejorar procesos específicos, pero difícilmente transforman sistemas.
La tecnología llega hasta donde la dejan llegar
La inteligencia artificial puede acompañar, orientar, ordenar información. Lo que no hace es crear tiempo donde no lo hay, multiplicar cupos inexistentes ni convertir en prioridad lo que el sistema trata como accesorio. Cuando esas condiciones no cambian, la tecnología se adapta a los márgenes disponibles.
Escalar educación con IA no consiste en pedirle más a las herramientas, sino en decidir qué estamos dispuestos a cambiar alrededor de ellas. La evidencia no invita a frenar la innovación educativa, sino a tomársela en serio.
