Los estudiantes se sientan en filas mirando hacia el frente, mientras un sistema de IA presenta contenido desde la posición tradicional del docente. Nuestra ilustración capta una tensión en cómo imaginamos la educación: el resplandor azul comunica modernidad, pero el aula conserva su diseño familiar. Los estudiantes reciben contenido, el docente controla su transmisión y la sala dirige la atención hacia una sola fuente. La tecnología cambia mientras la arquitectura pedagógica permanece intacta.
Sin embargo, informe tras informe, incluidos los de instituciones de prestigio, nos ofrece ese hermoso resplandor azul de la misma mierda. Esa repetición importa porque las organizaciones que gozan de confianza ayudan a definir qué cuenta como progreso educativo. Cuando sus imágenes sitúan la IA dentro del aula conocida, trasladan supuestos sobre el tiempo escolar, la evaluación y la autoridad a la promesa de cambio. La tecnología asume una función existente mientras el diseño de la educación queda sin examinar. Nuestra ilustración llama la atención sobre ese patrón; una imagen no puede establecer cómo enseña una institución concreta.
La inteligencia artificial expone cuánto de la educación se apoya en prácticas frágiles: tareas que confunden la producción de textos con el pensamiento, evaluaciones que premian la repetición antes que el juicio, políticas que delegan la confianza en procedimientos administrativos y discursos de innovación cuyos efectos en la experiencia vivida del aprendizaje siguen sin esclarecerse.
En los últimos años, esta tensión ha dejado de ser abstracta. En salas de profesores, reuniones de equipos directivos, comisiones académicas, ministerios, organismos de acreditación y consejos de gobierno, la IA ha pasado de ser una curiosidad tecnológica a convertirse en un problema institucional cotidiano. Los docentes reciben trabajos cuya autoría les resulta difícil evaluar. Las instituciones reescriben sus políticas de integridad académica bajo presión. Los sistemas educativos intentan responder a tecnologías que cambian más rápido que los marcos institucionales destinados a regularlas.
La rápida expansión de los sistemas generativos ejerce una presión comprensible sobre las organizaciones educativas. Los equipos directivos, el profesorado, los responsables institucionales y quienes diseñan políticas deben responder a problemas inmediatos: integridad académica, rediseño curricular, gobernanza de datos y desigualdad en el acceso. Pero cuando la discusión se limita a la adopción, el control o la formación instrumental, la inteligencia artificial queda reducida a una cuestión de implementación. Ese desplazamiento empobrece el debate, porque elegir una herramienta compromete a las instituciones con decisiones sobre cómo reorganiza las condiciones en las que se desarrollan el aprendizaje, la enseñanza, la evaluación y la gobernanza institucional.
En este contexto, organismos internacionales, ministerios de educación, universidades, escuelas y empresas tecnológicas han producido documentos de orientación, programas de formación, declaraciones de políticas y marcos de actuación destinados a ordenar la incorporación de la inteligencia artificial en la educación. Ese trabajo puede ser útil, pero no explica por sí solo lo que está en juego. Ese trabajo necesita vincular la elección de herramientas con preguntas sobre el conocimiento, la autoridad, la evaluación y la gobernanza institucional.
La historia de la tecnología educativa muestra que este patrón no comenzó con la inteligencia artificial (Tyack & Cuban, 1995). Los libros de texto, las calculadoras, las computadoras personales, internet y los teléfonos móviles han sido presentados, en distintos momentos, como amenazas o promesas de transformación. En cada caso surgieron urgencia, resistencia, regulación y modernización.
Sin embargo, las escuelas han cambiado sus dispositivos mientras conservaban sus formas de organizar la enseñanza y el aprendizaje. En Tinkering toward Utopia, Tyack y Cuban (1995) examinan cómo las escuelas modifican las reformas a través de sus rutinas. Su análisis sugiere que una institución puede incorporar una herramienta nueva y preservar las prácticas que determinan su función. Esto ayuda a explicar por qué un cambio tecnológico puede dejar intacta la organización del aprendizaje.
Este punto es central en el momento actual. A pesar de décadas de innovación tecnológica, muchas instituciones siguen organizando el aprendizaje mediante estructuras rígidas y modelos basados en el cumplimiento. Aunque cambien las plataformas, las interfaces y el vocabulario de las políticas, suelen permanecer intactas las formas básicas de administrar el tiempo, definir el desempeño y distribuir la autoridad. La inteligencia artificial hace más visible esta tensión porque modifica las condiciones de acceso, producción y circulación del conocimiento, mientras muchas instituciones intentan responder desde modelos organizativos diseñados para otra época.
La crisis contemporánea de la educación incluye déficits tecnológicos y administrativos junto con una pérdida de propósito institucional, una erosión de la confianza, una reducción de la capacidad de acción de docentes y estudiantes, y una dificultad para imaginar otras formas de organizar el aprendizaje. La IA hace visibles esas tensiones cuando las instituciones deben decidir cómo responder.
La ilusión de la innovación
Muchas iniciativas actuales de IA se presentan como transformación educativa, aunque sus usos principales siguen automatizando prácticas existentes: generar ejercicios, corregir textos, producir resúmenes, vigilar las faltas a la integridad académica y agilizar las tareas administrativas (Xia et al., 2024; Kizilcec et al., 2024). En estos casos, los responsables definen la innovación a través de la incorporación de herramientas y dejan sin resolver las preguntas institucionales más difíciles.
¿Cómo cambia la evaluación cuando los sistemas generativos pueden producir textos complejos? ¿Cómo debería redistribuirse el tiempo del profesorado cuando las tareas administrativas pueden automatizarse? ¿Cómo se reorganiza la autoridad cuando el conocimiento circula a través de sistemas distribuidos? Estas preguntas exigen una discusión institucional y política más profunda que la elaboración de pautas de uso.
Los estudios recientes sobre la gobernanza de la IA advierten que la adopción acelerada de sistemas opacos puede reforzar la automatización, la vigilancia y la toma de decisiones poco transparente cuando no existe una supervisión pública efectiva (Taeihagh, 2025; Williamson, Molnar, & Boninger, 2024). Las instituciones que utilizan esos sistemas pueden reforzar prácticas cuyos efectos sobre la confianza y la autoridad merecen examen.
Estas preguntas van más allá del aula porque los proveedores de sistemas de IA pueden influir en las opciones disponibles para docentes y estudiantes. Examinar esa influencia exige vincular el uso de una herramienta con quién la controla.
Preguntas para quienes lideran la educación
-
¿Qué plataformas de IA utiliza actualmente la institución?
-
¿Qué datos de estudiantes, docentes o de la institución recopilan esas plataformas?
-
¿Quién puede auditar los sistemas que se utilizan?
-
¿Qué decisiones educativas están condicionadas por proveedores externos?
-
¿Qué capacidades profesionales necesitan desarrollar los equipos directivos y docentes?
Plataformas, poder y soberanía educativa
El segundo problema se refiere al papel de las grandes plataformas tecnológicas en la reorganización de la educación. Buena parte de la infraestructura de IA que hoy llega a escuelas, universidades, sistemas de formación y organismos públicos pertenece a empresas privadas que operan mediante modelos de desarrollo cerrados, recopilación intensiva de datos y actualizaciones constantes. Las instituciones educativas integran herramientas cuyos mecanismos internos carecen de medios para auditar, modificar o supervisar. Esta situación va más allá de la adopción de software, porque afecta las condiciones en las que el conocimiento se produce, circula y valida.
Las plataformas organizan interacciones, priorizan contenidos, registran comportamientos y moldean formas de trabajo intelectual a través de los servicios que prestan. En contextos educativos, esas decisiones tienen importancia pedagógica porque influyen en qué preguntas se formulan, qué fuentes parecen pertinentes, qué formas de producción se consideran sospechosas y qué modalidades de participación se normalizan. La institución puede conservar la responsabilidad educativa formal, pero parte de su autoridad operativa se desplaza hacia sistemas diseñados y gobernados por actores externos.
Este fenómeno refleja debates más amplios sobre la concentración del poder tecnológico y la extracción de datos. La investigación crítica sobre plataformas digitales ha mostrado cómo las actividades cotidianas pueden convertirse en fuentes de datos, influencia algorítmica y dependencia institucional (Benjamin, 2019; Couldry & Mejías, 2019; van Dijck, Poell, & de Waal, 2018).
La educación participa de esta dinámica cuando las actividades académicas habituales pasan a formar parte de sistemas privados que las instituciones educativas no controlan.
El pensamiento, la exploración y la producción intelectual de estudiantes y docentes pueden convertirse en recursos comerciales para plataformas externas.
Estos usos de los datos vinculan la privacidad con la gobernanza, porque el control sobre el sistema afecta quién puede supervisar su uso. Cuando las plataformas privadas controlan infraestructura esencial para el aprendizaje, las instituciones pierden capacidad práctica para determinar cómo funcionan sus entornos educativos. Las actualizaciones siguen calendarios corporativos, los criterios de moderación pueden cambiar sin deliberación educativa local y los mecanismos de clasificación suelen permanecer opacos para estudiantes, docentes y responsables institucionales.
En esas condiciones, las instituciones terminan gestionando consecuencias que no siempre pueden explicar ni corregir.
En Beyond the digital enclosure (Moravec, 2026a), analizo esta dinámica como una pérdida progresiva de soberanía educativa: las plataformas privadas comienzan a definir aspectos centrales de la vida institucional que antes estaban bajo control educativo local. Los contratos y las licencias establecen una base para la dependencia, que crece con la incorporación cotidiana de métricas, interfaces y criterios de decisión diseñados fuera de las comunidades educativas.
Este problema importa en todas las regiones, pero no se manifiesta de la misma manera en todas ellas. En los países de ingresos altos, la dependencia institucional puede surgir de la contratación, la dependencia de proveedores, los paneles de análisis de datos, los sistemas de evaluación y la externalización del juicio educativo. En los países de ingresos bajos y medios, el problema suele entrelazarse con la desigualdad de infraestructura, las agendas de los donantes, la marginación lingüística y la importación de modelos diseñados en otros lugares. En los contextos internacionales de educación y desarrollo, la IA puede profundizar la dependencia cuando las instituciones adoptan sistemas cerrados que organizan el conocimiento, la evaluación y la interacción según prioridades comerciales o geopolíticas ajenas al control local.
El Sur Global enfrenta vulnerabilidades particulares. Las escuelas y universidades pueden incorporar software producido en Norteamérica, Europa o China y, al mismo tiempo, exponer datos estudiantiles, patrones lingüísticos y rastros de trabajo intelectual a sistemas utilizados para entrenar modelos externos. Asimismo, las instituciones pueden importar mecanismos automatizados de clasificación, evaluación y recomendación construidos sobre supuestos culturales, lingüísticos y económicos que no reflejan las realidades locales.
Por ello, el debate global no debe limitarse a la formación técnica o al uso responsable. Necesita abordar la soberanía educativa, la capacidad de auditoría, el control democrático de la infraestructura digital, la justicia lingüística, la rendición de cuentas ante la ciudadanía y el derecho institucional a definir los propósitos educativos.
El agotamiento del liderazgo performativo
Las instituciones suelen producir estrategias, manuales, declaraciones de políticas y eventos sobre inteligencia artificial para demostrar que responden al cambio tecnológico. Esa actividad cumple funciones institucionales comprensibles: organiza conversaciones internas, comunica preocupación pública y señala que la organización se mantiene al día.
Sin embargo, también puede crear una amplia brecha entre el discurso y la práctica cuando los documentos no modifican los recursos, las responsabilidades o las condiciones de trabajo necesarias para transformar la experiencia educativa.
En estos casos, las orientaciones funcionan como una válvula de escape institucional. Permiten a la organización mostrar que ha hecho algo, mientras gran parte del trabajo emocional, ético y operativo recae en docentes que deben decidir, sin apoyo, cómo evaluar, qué permitir, qué prohibir y cómo interpretar el uso de herramientas generativas por parte de sus estudiantes.
Durante las últimas décadas, el sector educativo ha producido una extensa literatura institucional sobre innovación tecnológica. Buena parte comparte un vocabulario previsible: formación docente, equidad, uso ético, programas piloto y aprendizaje personalizado. Estos elementos pueden tener valor, pero pierden fuerza cuando no se vinculan con decisiones sobre presupuesto, tiempo profesional, evaluación, infraestructura, propiedad de los datos y participación de docentes y estudiantes en la gobernanza tecnológica.
Las instituciones crean una brecha entre la política y la práctica cuando tratan la producción de un marco como prueba de que han cambiado las condiciones del aprendizaje. Cuando las políticas regulan el comportamiento individual y dejan sin resolver la gobernanza de los sistemas, la responsabilidad se desplaza hacia docentes y estudiantes, mientras los sistemas tecnológicos que generan nuevos riesgos permanecen opacos. Como resultado, las personas que trabajan y aprenden dentro de las instituciones absorben costos que los documentos de política necesitan reconocer: rediseñar evaluaciones, revisar trabajos sospechosos, adaptarse a plataformas cambiantes y responder a expectativas contradictorias.
Estos costos vinculan la política con las condiciones del trabajo docente. Las instituciones necesitan reconocerlos cuando asignan responsabilidades, establecen presupuestos y deciden quién puede cuestionar un sistema. La tabla muestra dónde esas decisiones pueden cambiar el trabajo que sostiene una política de IA.
Respuestas institucionales a la IA: cumplimiento o transformación.
| Dimensión de gestión | Respuesta performativa (cumplimiento) | Transformación institucional (soberanía) |
|---|---|---|
| Política institucional | Publicación rápida de pautas de uso y sanciones | Revisión de los formatos de evaluación y la carga de trabajo profesional |
| Desarrollo de los equipos | Formación técnica aislada sobre el uso de instrucciones para la IA | Desarrollo sostenido de la capacidad y la imaginación institucionales |
| Clima institucional | Despliegue de herramientas de detección y vigilancia | Creación de entornos basados en la confianza, la reflexión y el juicio |
| Procesos internos | Automatización administrativa orientada al control | Revisión de los propósitos educativos a los que debe servir la institución |
Más allá del cumplimiento
Estas decisiones exigen que las instituciones desarrollen la capacidad de juzgar cómo las nuevas herramientas sirven a los propósitos educativos en condiciones de cambio acelerado. Muchas organizaciones responden a la inteligencia artificial mediante categorías administrativas diseñadas para gestionar la estabilidad, el control y la previsibilidad.
Los sistemas generativos plantean preguntas sobre evaluación, autoridad y aprendizaje que exigen juicio educativo junto con reglas técnicas. Exigen que las instituciones reconsideren qué significa evaluar, cómo se distribuye la autoridad educativa, qué capacidades humanas adquieren valor y qué formas de experiencia educativa merecen protección.
El debate sobre inteligencia artificial puede quedar encerrado en la adopción acrítica o el rechazo defensivo. Ambas posiciones mantienen la atención en la herramienta y dejan sin explorar las condiciones institucionales que le dan sentido. Los debates recientes sobre alfabetización en IA sugieren otro camino: las instituciones necesitan vincular el uso de los sistemas generativos con la comprensión de cómo producen respuestas, qué supuestos contienen, qué riesgos introducen y cómo afectan la autonomía de docentes y estudiantes (Mills et al., 2024; Conrad & Kamperman, 2025).
Las instituciones pueden utilizar esa comprensión para definir las condiciones pedagógicas, políticas y organizativas de la adopción de IA. Esas condiciones determinan qué autoridad desplazan los sistemas y qué capacidades ayudan a desarrollar.
Responder a estas preguntas exige que las instituciones revisen algunos de los supuestos que han organizado buena parte de la escolarización contemporánea: enseñanza centrada en la transmisión, evaluación estandarizada, administración rígida del tiempo y separación entre el diseño de políticas, la enseñanza y el aprendizaje. Muchos sistemas operan con modelos concebidos para gestionar la estabilidad, la escasez de información y trayectorias previsibles. La expansión de los sistemas algorítmicos, la automatización y la producción distribuida de conocimiento modifica esas condiciones y vuelve insuficientes muchas respuestas institucionales heredadas.
La evaluación ofrece un ejemplo claro. Cuando las herramientas generativas pueden producir textos coherentes en segundos, los mecanismos que tratan la reproducción individual de información como prueba de aprendizaje resultan insuficientes.
Del mismo modo, cuando el acceso al conocimiento ya no depende de la memorización, comienzan a cambiar las capacidades que la educación debe valorar.
Este cambio exige que las instituciones reconsideren:
-
la distribución de la autoridad en los entornos de aprendizaje;
-
el reconocimiento de nuevas formas de trabajo intelectual;
-
el desarrollo del juicio en contextos saturados de información;
-
el lugar de la creatividad, la colaboración y la interpretación en la experiencia educativa; y
-
la protección del pensamiento autónomo en sistemas automatizados.
Desde esta perspectiva, los responsables educativos necesitan vincular las decisiones tecnológicas con la gobernanza, el propósito institucional y la capacidad de imaginar alternativas en conjunto. Para quienes lideran instituciones, esto exige crear condiciones para el juicio profesional, la experimentación responsable y la confianza pedagógica. Los modelos organizativos influyen en cómo las instituciones responden al cambio tecnológico, por lo que los responsables necesitan examinarlos como parte de su trabajo.
Estas condiciones permiten poner a prueba la imaginación institucional: ¿pueden docentes y estudiantes participar en el cambio de las disposiciones que rigen su trabajo? Su participación vincula el propósito de una política con sus efectos en el aprendizaje y la confianza.
Para muchas instituciones, este trabajo puede comenzar con decisiones sobre evaluación, tiempo profesional, confianza pedagógica y gobernanza tecnológica. La capacidad de ejercer su juicio sobre la inteligencia artificial dependerá de si las instituciones apoyan el juicio, la deliberación colectiva y la autonomía profesional mientras cambian las tecnologías.
Lo más importante es identificar qué aspectos del aprendizaje humano deben permanecer en el centro de la experiencia educativa.
Examino estas preguntas en Construir una rebelión positiva: Crear nuevos futuros educativos (Moravec, 2026b), a través de las relaciones entre la capacidad de acción, la confianza y las condiciones que permiten a las personas dar forma a su educación.
Lecturas recomendadas
Benjamin, R. (2019). Race after technology: Abolitionist tools for the new Jim code. Polity.
Conrad, K., & Kamperman, S. (2025). Building critical AI literacy: An approach to generative AI. Thresholds in Education, 48(2), 142–158. https://eric.ed.gov/?id=EJ1483967
Couldry, N., & Mejías, U. A. (2019). The costs of connection: How data is colonizing human life and appropriating it for capitalism. Stanford University Press.
Kizilcec, R. F., Huber, E., Papanastasiou, E. C., Cram, A., Makridis, C. A., Smolansky, A., Zeivots, S., & Raduescu, C. (2024). Perceived impact of generative AI on assessments: Comparing educator and student perspectives in Australia, Cyprus, and the United States. Computers and Education: Artificial Intelligence, 7, 100269. https://doi.org/10.1016/j.caeai.2024.100269
Mills, K., Ruiz, P., Lee, K. W., Coenraad, M., Fusco, J., Roschelle, J., & Weisgrau, J. (2024). AI literacy: A framework to understand, evaluate, and use emerging technology. Digital Promise.
Moravec, J. W. (2026a). Beyond the digital enclosure: AI, coloniality, and the pursuit of educational sovereignty. Learning Futures and Emerging Technologies, 34(3). https://doi.org/10.1108/LFET-01-2026-0004
Moravec, J. W. (2026b). Construir una rebelión positiva: Crear nuevos futuros educativos. Education Futures. https://positiverebellion.org/es/
Taeihagh, A. (2025). Governance of generative AI. Policy and Society, 44(1), 1–22. https://doi.org/10.1093/polsoc/puaf001
Tyack, D., & Cuban, L. (1995). Tinkering toward utopia: A century of public school reform. Harvard University Press.
van Dijck, J., Poell, T., & de Waal, M. (2018). The platform society: Public values in a connective world. Oxford University Press.
Williamson, B., Molnar, A., & Boninger, F. (2024). Time for a pause: Without effective public oversight, AI in schools will do more harm than good. National Education Policy Center. https://nepc.colorado.edu/publication/ai
Xia, Q., Weng, X., Ouyang, F., Lin, T. J., & Chiu, T. K. F. (2024). A scoping review on how generative artificial intelligence transforms assessment in higher education. International Journal of Educational Technology in Higher Education, 21(1), 40. https://doi.org/10.1186/s41239-024-00468-z
