Alex Karp (2026), director ejecutivo de Palantir, presentó la IA como una fuerza que reducirá el poder de «los votantes con un alto nivel educativo, a menudo mujeres, que votan en su mayoría por el Partido Demócrata», mientras aumenta el poder de los hombres de clase trabajadora sin estudios universitarios. Sin embargo, no describió este cambio como una maniobra deliberada para dictar quién dirige la sociedad, y cabría interpretarlo como una extensión política de la paradoja de Hans Moravec y sus implicaciones. Aun así, los educadores deben tomar este planteamiento como una advertencia, porque las escuelas y universidades se incorporan al mismo entramado técnico que hace posible ese desplazamiento del poder. Cuando las instituciones centralizan la identidad, los contenidos y el análisis de datos en plataformas, mediante sistemas de gestión del aprendizaje, inicio de sesión único y flujos de datos empresariales, crean la infraestructura necesaria para clasificar, resumir y limitar la expresión y el acceso a gran escala.

Las declaraciones de Karp adquieren más sentido al situar a Palantir en su contexto político y operativo:

«Ya no creo que la libertad y la democracia sean compatibles» (Thiel, 2009).

Peter Thiel, cofundador de Palantir, presenta la democracia como incompatible con la libertad. Esto implica que las restricciones democráticas constituyen un problema que la ingeniería debe sortear, en lugar de una garantía. Cabe preguntarse: ¿libertad para quién? Cuando figuras con poder vinculadas a una empresa que construye sistemas de datos para el Estado hablan en estos términos, la educación debe reconocer que adoptar IA implica una decisión de gobierno. Un puñado de actores controla la IA. En un aula mediada por plataformas, las herramientas que ofrecen determinan qué preguntas se permiten y qué respuestas se prescriben. El universo de posibilidades se reduce y se configura según los intereses de esos pocos actores.

Hay otro motivo de preocupación. Rebecca Winthrop, de Brookings Institution, advierte que la dependencia de la IA puede causar un «estancamiento cognitivo» en los estudiantes y sostiene que los educadores deben establecer salvaguardas para proteger su desarrollo (Winthrop, 2026). Pero el riesgo democrático también alcanza la capacidad de actuar. Los estudiantes pueden esforzarse y, aun así, perder autonomía si sistemas privados controlan qué información aparece primero, qué se compila como «la respuesta» y qué temas se prohíben o se abordan solo mediante generalidades. Esto ocurre sin derechos de auditoría ni información suficiente sobre las fuentes o su calidad. El sistema funciona como una caja negra.

Este problema de gobierno se vuelve concreto cuando la IA generativa pasa del uso informal a la infraestructura institucional. Los modelos de lenguaje producen explicaciones fluidas, condensan temas en disputa en resúmenes breves e imponen límites mediante negativas a responder y filtros de seguridad. Estos controles funcionan como normas, porque determinan qué puede preguntar un estudiante, qué puede asignar un docente y qué puede estudiar una clase sin encontrar obstáculos. Las instituciones rara vez reciben información fiable sobre los cambios en esos límites. Una actualización del modelo a mitad del semestre, por ejemplo, puede modificar sus negativas, sus paráfrasis o las fuentes que cita sin avisar a los docentes. Cuando una institución incorpora IA mediante las políticas y decisiones de diseño del proveedor, introduce un sistema privado de reglas en la educación pública y asume las consecuencias de decisiones que otros tomaron.

Palantir ofrece un precedente de esta integración en ámbitos donde las decisiones tienen consecuencias graves. Wired describe Gotham como un programa para clientes policiales y gubernamentales que conecta personas, lugares y acontecimientos para tareas de investigación y operaciones (Tufekci, 2025). Esto no significa que Palantir vaya a entrar en las escuelas. Muestra cómo una empresa de infraestructura y análisis diseña programas para operaciones institucionales. Las herramientas de investigación, clasificación e intervención normalizan la vigilancia continua al abaratarla, permitir búsquedas y convertirla en rutina. Cuando lógicas similares llegan a la educación mediante paneles de análisis y herramientas de «integridad» con IA, los administradores desarrollan un nuevo apetito por la medición y los docentes asumen más tareas de cumplimiento. Los estudiantes aprenden que participar implica hacerse visibles y que esa visibilidad entraña riesgos.

El relato habitual de la «pereza cognitiva» pasa por alto esta dimensión estructural. La IA no debilita el pensamiento por sí sola; los resultados dependen del diseño de las tareas y de cómo los educadores organizan la revisión y la justificación. El riesgo democrático más profundo surge cuando un pequeño grupo de empresas controla los sistemas de búsqueda, síntesis, tutoría y apoyo a la escritura que facilitan el acceso al conocimiento y la confianza en él. Esto orienta la atención y el razonamiento. Los resúmenes contienen decisiones sobre cómo encuadrar un tema. Con el tiempo, los estudiantes aprenden a preguntar solo aquello que el sistema responde sin dificultad, y las instituciones aprenden a diseñar sus actividades dentro de lo que el sistema permite.

La soberanía como práctica decolonial

Mi nuevo artículo para Learning Futures and Emerging Technologies sostiene que la adopción educativa de IA suele reproducir relaciones coloniales mediante cuatro vías vinculadas: infraestructura, clasificación, epistemología y trabajo. El argumento es estructural. La colonialidad persiste mediante contratos, opciones predeterminadas y ciclos de actualización que desplazan la autoridad hacia arriba y la responsabilidad hacia abajo. Esto explica por qué la respuesta institucional habitual resulta insuficiente. Una declaración sobre el uso de IA, un módulo de formación o una norma de aula regulan la conducta del usuario en los márgenes del sistema y dejan intacto el gobierno de la plataforma.

Desde esta perspectiva, las declaraciones de Karp y Thiel describen una presión hacia un resultado político: reducir la presencia de públicos formados que tengan la confianza y la capacidad de cuestionar el poder. La IA puede contribuir a ese resultado de dos formas a la vez. Puede automatizar o devaluar partes del trabajo profesional basado en el conocimiento y puede centralizar el gobierno de la propia indagación. Cuando los mismos sistemas privados delimitan qué se puede preguntar, qué cuenta como creíble y qué se marca como peligroso, cuesta más sostener una cultura democrática de debate. El sistema educativo termina enseñando a adaptarse a las reglas de la plataforma a costa de la práctica del razonamiento público.

La respuesta consiste en alcanzar soberanía. En los términos del manuscrito, la soberanía busca romper este cercamiento al devolver el control de la infraestructura, los umbrales de clasificación, los límites del conocimiento y el trabajo de reparación a instituciones que rindan cuentas ante la sociedad. Este traslado del control apunta hacia una teoría de la capacidad de acción institucional. Una escuela es soberana cuando puede rechazar las opciones predeterminadas, inspeccionar el sistema que gobierna la indagación y abandonarlo sin perder sus registros, su contexto ni su memoria institucional. Sin esas capacidades, la «adopción» encubre una transferencia de jurisdicción.

La soberanía institucional debe intervenir en cada una de estas vías.

La colonialidad de la infraestructura se manifiesta como una presunción automatizada de culpa cuando los «pilotos» se convierten en dependencias permanentes. La identidad, los contenidos, el análisis y el soporte se concentran en un solo entramado, y salir de él acarrea costes operativos y reputacionales. Esta dependencia tiene una dimensión política porque subordina el ciclo de decisiones de la institución al ciclo de actualizaciones del proveedor. Cada nueva versión del proveedor se convierte en un cambio de reglas para la institución.

La colonialidad de la clasificación aparece cuando las instituciones incorporan sospechas automatizadas. Los detectores, las alertas de supervisión de exámenes y los indicadores predictivos de riesgo convierten la escritura y la conducta estudiantil en problemas que gestionar. La carga de la prueba recae sobre los estudiantes, sobre todo quienes usan registros lingüísticos ajenos a los dominantes. Un sistema que abarata la acusación cambia la cultura del aprendizaje. Los estudiantes escriben para evitar alertas; los docentes evalúan pendientes del cumplimiento. La confianza se erosiona y la autocensura se vuelve una estrategia racional para desenvolverse dentro del sistema.

La colonialidad epistémica aparece cuando las capas de seguridad y los mecanismos de ordenación moldean la indagación de antemano. Las negativas a realizar tareas, las respuestas suavizadas y las reglas ocultas de clasificación determinan qué preguntas «funcionan», qué fuentes aparecen primero y qué se considera una conclusión razonable. Quien no domina ya el tema tendría dificultades para orientarse. Estos límites se vuelven antidemocráticos cuando no admiten inspección ni recurso y solo cambian mediante actualizaciones opacas que controla una minoría con poder. Constituyen una forma de censura y de moldeamiento del pensamiento. Crean una política práctica del conocimiento en la que ciertas ideas o temas encuentran obstáculos, pierden sentido o se retuercen para beneficiar al «otro».

La colonialidad del trabajo aparece cuando las instituciones públicas subsidian sistemas privados mediante tareas de reparación. Docentes y estudiantes verifican invenciones, gestionan información contradictoria, reformulan tareas para ajustarlas a las limitaciones de la plataforma y absorben el trabajo de los procedimientos de integridad que activan herramientas opacas. La plataforma obtiene adopción y datos de uso; la institución absorbe costes y conflictos. El diseño del sistema permite esta explotación del trabajo.

Estas cuatro vías también aclaran por qué la soberanía exige innovación. Las instituciones pueden diseñar formas de gobierno democráticas: deliberativas, impugnables y reversibles. Pueden tratar las actualizaciones de los modelos como cambios normativos que requieren aviso y justificación. Pueden reconocer que las negativas a responder establecen límites curriculares que corresponden a educadores y comunidades. Pueden considerar la telemetría una extracción de datos cuando la institución carece de capacidad para definir su propósito, limitar su uso y detenerla.

La innovación también puede ser colectiva. Las universidades pueden formar consorcios para compartir capacidades de evaluación, negociar condiciones comunes y crear vías de salida creíbles. Los sistemas educativos pueden construir servicios de IA de «opción pública» con reglas de moderación transparentes y supervisión comunitaria, mediante modelos de pesos abiertos o modelos bajo control institucional con prácticas de actualización publicadas. También pueden fijar un umbral mínimo de soberanía para cualquier sistema de IA que intervenga en la evaluación, la disciplina o el apoyo estudiantil, y rechazar su despliegue cuando no lo alcance. Se trata de preservar la autodeterminación de la educación y de la producción de conocimiento.

Cuando la soberanía encuentra límites

Los proveedores suelen resistirse a una soberanía efectiva porque limita la extracción. Cuando las instituciones no pueden asegurar su jurisdicción sobre el sistema, aún pueden enseñar cómo funciona esa jurisdicción. Las escuelas deben abordar la alfabetización en IA como un estudio de la autoridad en condiciones de mediación. Un curso sobre instrucciones para la IA enseña a obtener mejores resultados, pero deja pendiente cómo se establece la credibilidad de una afirmación. Un objetivo más sólido consiste en exigir rigor en el uso de fuentes. Los estudiantes deben aportar fuentes primarias para toda afirmación factual que incorporen desde una respuesta de IA, y la evaluación debe atender a la cadena de pruebas. Cuando un modelo resume un tema político en disputa, los estudiantes deben identificar qué destacó, qué condensó y qué omitió; después deben contrastar ese encuadre con los resúmenes de investigación, los apartados metodológicos o los textos legales que pretende representar.

Las negativas y los filtros de seguridad deben entrar en el currículo por la misma razón. Cuando un modelo rehúsa responder o elude la pregunta, delimita la indagación e impone ese límite sin deliberación ni recurso. Los estudiantes deben aprender a tratarlo como una restricción de la investigación: nombrarlo, examinarlo y documentar sus efectos. Esto implica registrar qué temas provocan negativas, cuáles reciben respuestas suavizadas y qué fuentes aparecen cuando el sistema sí responde. Así, los límites de la indagación permanecen abiertos a la inspección y al cuestionamiento, uno de los valores democráticos en juego.

El trabajo de reparación y las garantías procesales frente a la extracción

La adopción de IA impone un coste oculto a las instituciones públicas. Los docentes verifican afirmaciones, corrigen errores expresados con seguridad, rediseñan evaluaciones para reducir acusaciones falsas y dedican tiempo a reuniones y documentación cuando los detectores activan procedimientos de integridad. Los estudiantes realizan un trabajo paralelo al validar resultados y defender su autoría. Esta fricción supone una transferencia de trabajo desde la educación pública hacia la estabilización de sistemas privados. Las instituciones deben tratar ese trabajo como evidencia sobre cómo gobierna el sistema. Una herramienta que produce ansiedad y disputas como parte de su funcionamiento gobierna mediante la sospecha.

Las garantías procesales deben ocupar el centro de la política sobre IA porque la opacidad de los sistemas de clasificación produce daños. Las instituciones deben adoptar una norma clara: ninguna medida desfavorable puede basarse solo en la detección automatizada. Deben exigir revisión humana, criterios de prueba transparentes y vías de reparación que no obliguen a los estudiantes a refutar afirmaciones algorítmicas opacas. Estas garantías protegen el aprendizaje como un espacio donde experimentar, revisar y disentir sin quedar atrapados en una presunción permanente de culpa.

Las decisiones de gobierno tienen autores. Karp eligió describir la IA como una palanca para debilitar a un electorado concreto. Thiel eligió presentar la democracia como un problema para la libertad. La educación debe tratar estas declaraciones como evidencia del entorno político en el que se construye la infraestructura de IA. La respuesta exige una imaginación institucional que recupere jurisdicción sobre las cuatro vías: una infraestructura que podamos gobernar, una clasificación que podamos impugnar, unos límites del conocimiento que podamos ver y un trabajo que reciba reconocimiento en vez de quedar sujeto a extracción.

Referencias

Karp, A. (as cited in Sirota, D.). (2026). Palantir CEO says AI will be used to reduce power among educated people, particularly Democrats. The New Republic. https://newrepublic.com/post/207693//palantir-ceo-karp-disrupting-democratic-power

Thiel, P. (2009). The education of a libertarian. Cato Unbound. https://www.cato-unbound.org/2009/04/13/peter-thiel/education-libertarian

Tufekci, Z. (2025). What does Palantir actually do? Wired. https://www.wired.com/story/palantir-what-the-company-does/

Winthrop, R. (2026). “Cognitive stunting” risk and guardrails for students using AI (LinkedIn post). https://www.linkedin.com/feed/update/urn:li:activity:7437933804511707136/

Moravec, J. W. (in process). Beyond the digital enclosure: AI, coloniality, and the pursuit of educational sovereignty. Learning Futures and Emerging Technologies.