Autoría:
John W. Moravec, Ph.D.
Education Futures LLC
Cómo citar este documento:
Moravec, J. W. (2026, 3 de septiembre). Sin preparación: La educación más allá de 2030. Education Futures. https://educationfutures.com/sin-preparacion-educacion-mas-alla-de-2030/
Resumen ejecutivo
Figura 1. Futuros que las escuelas ya no pueden imaginar.
Los sistemas educativos se encaminan hacia la década de 2030 con un supuesto que se deshace: que las escuelas, las universidades, los sistemas de capacitación, los ministerios, los empleadores y las organizaciones internacionales pueden preparar a las personas para futuros que todavía son lo bastante estables como para comprenderlos y darles forma. La crisis educativa central más allá de 2030 es el colapso de la preparación ante la aceleración tecnológica, la tensión ecológica, la disrupción laboral, la divergencia demográfica y el rezago institucional.
El informe utiliza la Singularidad Tecnológica como horizonte de tensión, no como predicción. El término se emplea con cautela: no como un pronóstico de ciencia ficción, sino como una manera de nombrar un umbral humano y de gobernanza en el que el cambio tecnológico, la dependencia institucional, la presión ecológica, la disrupción laboral y el fracaso de la gobernanza superan la capacidad de las personas y las instituciones públicas para imaginar, interpretar, gobernar y responder con coherencia.
Las señales actuales ya apuntan hacia este horizonte de tensión. La adopción de la IA está avanzando más rápido que la gobernanza educativa. La IA generativa está cambiando el trabajo en el nivel de las tareas, lo que vuelve inadecuadas las narrativas generales de recapacitación. Los peligros climáticos ya están interrumpiendo la escolarización de cientos de millones de estudiantes. La presión demográfica empuja a algunos sistemas hacia la contracción y la tensión fiscal, y a otros hacia la sobrepoblación, el desplazamiento y una demanda insatisfecha. Al mismo tiempo, el aprendizaje fundamental sigue sin resolverse: muchos sistemas afrontarán conmociones relacionadas con la IA, el clima, el trabajo y la demografía antes de garantizar la alfabetización y la competencia matemática básicas.
La trayectoria dominante más allá de 2030 apunta hacia futuros que podrían ser materialmente peores de lo que la mayor parte de la política educativa se permite expresar. El colapso no es inevitable, pero los cuatro futuros de Dator ayudan a aclarar el peligro: el colapso y la disciplina podrían convertirse en los futuros predeterminados de la década de 2030. La transformación sigue siendo el futuro preferido, pero no se hará realidad por mera voluntad a través del optimismo.
El rezago humano podría definir la década de 2030. Las leyes irán a la zaga de las herramientas. Las escuelas irán a la zaga de los estudiantes. Las credenciales irán a la zaga de los mercados laborales. Los marcos de uso apropiado irán a la zaga de la implementación. El lenguaje público irá a la zaga de la realidad técnica. En estas condiciones, respuestas habituales como las «competencias para estar preparados para el futuro», el aprendizaje a lo largo de la vida, la reconversión profesional, la alfabetización en IA, la personalización, las microcredenciales, la innovación y la alineación con el mercado laboral pueden parecer progresistas y, al mismo tiempo, profundizar la dependencia de sistemas que ni los estudiantes ni las instituciones pueden gobernar. Esto es preparación sin poder: pedir a las personas que sean más adaptables mientras se dejan bajo control externo las infraestructuras del trabajo, el aprendizaje, los datos, la resiliencia climática y la tecnología.
La inteligencia artificial general (IAG), o los sistemas que se aproximan a una amplitud y autonomía comparables sin que exista consenso sobre si se ha cruzado ese umbral, agudiza este problema temporal al reducir drásticamente la vida útil de la preparación misma. Un estudiante que inicia un programa de cuatro años podría graduarse en un entorno laboral reorganizado por capacidades que no existían cuando se aprobó el currículo. En esas condiciones, el ciclo institucional de pronóstico, diseño curricular, aprobación, enseñanza, evaluación y acreditación puede volverse más lento que el cambio para el cual intenta preparar. El problema no es simplemente que los graduados puedan aprender las competencias equivocadas. La propia preparación ocupacional puede quedar obsoleta antes de la graduación.
La contraestrategia no consiste en alinearse más rápidamente con la capacidad de las máquinas. Partiendo de trabajos anteriores sobre el aprendizaje y el trabajo knowmádicos, consiste en invertir en capacidad knowmádica: la capacidad de aprender en distintos contextos, crear conocimiento, formular problemas, ejercer el juicio, construir redes y comunidades, combinar conocimientos de distintos ámbitos y crear nuevas formas de valor cuando los roles establecidos cambian o desaparecen (Moravec, 2013). Estas capacidades no eliminan la necesidad de conocimientos especializados. Cambian su propósito: de encajar en un rol previsto a actuar con agencia cuando la predicción falla.
Al mismo tiempo, la creciente dependencia de sistemas que los estudiantes y las instituciones no pueden gobernar crea el riesgo de un colapso de la agencia. Las personas pueden conservar opciones formales y, a la vez, perder autoridad real sobre los sistemas que dan forma a sus vidas. Los estudiantes, los trabajadores, las familias y los ciudadanos dependerán cada vez más de sistemas automatizados, infraestructuras de datos, reglas de plataformas, puntuaciones de riesgo, modelos predictivos y regímenes de acreditación que no pueden inspeccionar, cuestionar, revisar ni abandonar. La educación podría entonces reproducir la misma dependencia que afirma superar.
Una agenda educativa posterior a 2030 debe comenzar por la gobernanza, no por la adopción de tecnología. Las orientaciones de la UNESCO sobre la IA generativa también sitúan la regulación, la privacidad, la validación institucional y la capacidad humana por delante de una implementación acrítica (UNESCO, 2023b). La adopción de la IA es una cuestión de poder antes que una cuestión de contratación. Estar preparados para el futuro debería significar gobernar las plataformas, los modelos y las reglas que definen el aprendizaje, el trabajo, la evidencia, la identidad y las oportunidades, en lugar de adaptarse con mayor rapidez a disposiciones diseñadas por otros.
La soberanía educativa es el marco que se propone para un futuro diferente: la capacidad pública de gobernar, limitar, abandonar y construir las infraestructuras, los datos, las tecnologías y la maquinaria de evaluación mediante las cuales se produce el aprendizaje (Williamson & Eynon, 2024). También pone al descubierto un nivel intermedio ausente en la gobernanza educativa actual: instituciones cívicas intermediarias capaces de mancomunar poder jurídico, técnico, financiero y político entre escuelas, universidades, bibliotecas, sindicatos, municipios y grupos tecnológicos de interés público (Mulgan, 2018). Sin esa capa intermedia, la acción estatal puede rezagarse o volcarse hacia el control de seguridad, mientras las comunidades locales quedan relegadas a tácticas de supervivencia en lugar de disponer de un verdadero contrapoder.
El colapso de la preparación no borra el futuro de la educación ni la exime de su responsabilidad de ayudar a los estudiantes a construir futuros mejores. Despoja a la educación de una de sus antiguas justificaciones y vuelve más política la tarea: proteger las condiciones en las que las personas puedan pensar, juzgar, crear, pertenecer, cuestionar el poder y actuar cuando fracase nuestra capacidad de predecir el futuro cercano.
Introducción: La compresión del futuro
Faltan menos de cuatro años para 2030, pero este horizonte ya se percibe inestable porque se pide a la educación que responda simultáneamente a varias formas de aceleración. El tiempo, el espacio, el trabajo, el conocimiento y la respuesta institucional están siendo comprimidos por sistemas que avanzan más rápido de lo que las escuelas, las universidades y los organismos públicos fueron concebidos para gestionar. La incertidumbre siempre ha formado parte de la planificación educativa, pero el intervalo entre el cambio tecnológico y la comprensión institucional se está reduciendo. Se pide a las escuelas y universidades que preparen a las personas para condiciones que todavía no pueden nombrar, mediante estructuras diseñadas para mundos más lentos. La imaginación se convierte en el límite crucial. La imaginación humana, institucional y política ya no sigue el ritmo de la aceleración de las máquinas; tampoco el juicio, el lenguaje, la ética, la memoria y la construcción colectiva de sentido escalan a ese ritmo.
Figura 2. La compresión del futuro.
Por lo tanto, la expresión «más allá de 2030» debe entenderse como un período de transición comprimido. La preocupación principal es la década de 2030: la ventana práctica en la que las decisiones sobre infraestructura, datos, trabajo, resiliencia climática y gobernanza de la IA podrían volverse más difíciles de revertir. Los pronósticos varían, pero el período 2040-2045 se ha convertido en un horizonte plausible para las afirmaciones categóricas sobre la Singularidad, incluida la proyección de Kurzweil de que la Singularidad Tecnológica ocurrirá alrededor de 2045 (Kurzweil, 2024). Kurzweil deriva esta fecha de su interpretación de las tendencias tecnológicas exponenciales, pero el argumento que aquí se desarrolla no depende de ese calendario. La observación más incisiva es que los contratos, las arquitecturas de datos, los hábitos de contratación, los intereses políticos y las configuraciones institucionales predeterminadas se están asentando ahora.
La educación más allá de 2030 comienza, por tanto, con un problema de viabilidad humana en condiciones de aceleración tecnológica, tensión ecológica y cercamiento político. El lenguaje dominante de la política educativa todavía supone que las escuelas, las universidades, los sistemas de capacitación, los ministerios, los empleadores y las organizaciones internacionales pueden preparar a los estudiantes para un futuro que las personas aún pueden comprender lo suficiente como para darle forma. Los pronósticos de competencias, los perfiles de egreso, los modelos de alineación con la fuerza laboral, los marcos de alfabetización en IA, las agendas de empleabilidad y las políticas de aprendizaje permanente presuponen que todavía es posible anticipar las condiciones futuras con suficiente certeza para orientar la preparación, y a menudo priorizan la alineación con la fuerza laboral sobre la capacidad democrática de construir futuros alternativos (Facer, 2011).
Esa premisa se está volviendo insostenible. Lo que se derrumba es la propia promesa de la preparación: la afirmación de que las instituciones pueden preparar de manera fiable a las personas para futuros que permanezcan lo bastante estables como para comprenderlos, gobernarlos y diseñar en torno a ellos. La educación debe dejar de fingir que la preparación es suficiente. La tarea consiste en proteger el juicio, la autoría de la propia vida, la fluidez técnica, la agencia colectiva y el poder institucional para imponer límites a los sistemas que reducen el aprendizaje al cumplimiento.
Desde el punto de vista metodológico, la Singularidad se utiliza aquí como horizonte de tensión, no como predicción. El objetivo es examinar qué sucede con la educación cuando el cambio tecnológico, ecológico, laboral e institucional supera las facultades humanas de las que depende la educación: la imaginación, el juicio, el lenguaje, la memoria, la confianza, la ética y la construcción colectiva de sentido. Utilizada de este modo, la Singularidad cobra fuerza incluso antes de llegar, porque revela cuán frágiles se vuelven los supuestos educativos bajo una aceleración extrema.
El concepto de la Singularidad Tecnológica suele asociarse con Vernor Vinge (1993), quien dio a la idea su influyente formulación moderna, y con Ray Kurzweil (2024), quien la popularizó mediante pronósticos sobre la aceleración del cambio tecnológico. Aquí el término se emplea de una manera algo distinta. Este informe lo utiliza con cautela: no como un pronóstico sobre futuros tecnológicos, sino como una forma de identificar un umbral humano y de gobernanza que se avecina, en el cual el cambio tecnológico, la dependencia institucional, la presión ecológica, la tensión demográfica y la disrupción laboral superan la capacidad de las personas y las instituciones públicas para imaginar, interpretar, gobernar y responder con coherencia. En este sentido, la imaginación debe entenderse como un poder de gobierno, no como una preocupación secundaria. Cuando fracasan la imaginación humana, institucional y política, las instituciones siguen actuando, pero lo hacen mediante categorías heredadas que ya no captan las fuerzas que están transformando el mundo.
El discurso popular suele tratar la Singularidad como el punto a partir del cual el cambio tecnológico impulsado por las máquinas supera la capacidad humana corriente para predecir qué sucederá después. El cambio ocurre con tal rapidez que resulta imposible predecir siquiera los futuros a corto plazo. Para la educación, la lectura humana y política es más útil. La Singularidad marca un umbral en el que las personas ya no pueden imaginar, modelar ni gobernar lo que viene con suficiente coherencia, porque las fuerzas que transforman la sociedad cambian más rápido de lo que pueden adaptarse la cognición humana, las instituciones públicas, los regímenes jurídicos y las escuelas. Los seres humanos pueden mejorar sus herramientas, pero la imaginación, el juicio, la memoria, la ética y la construcción colectiva de sentido no se actualizan al mismo ritmo. El resultado es una brecha cada vez mayor entre lo que la tecnología puede hacer y lo que las personas pueden comprender, gobernar y soportar.
Esta perspectiva no depende directamente de que los defensores de la Singularidad acierten respecto de 2045. Los lectores que se burlen de los calendarios de la Singularidad aun pueden seguir el argumento subyacente: el mismo problema educativo aparece dondequiera que el rezago institucional, la dependencia de las plataformas, la tensión ecológica y la disrupción laboral superan la capacidad pública para gobernarlos. Aquí se utiliza Singularidad para designar el límite exterior del modelo de preparación. No se emplea para pedir a los responsables de la política educativa que acepten un pronóstico específico sobre la IAG.
Esa brecha no se experimentará primero como filosofía. Se experimentará como confusión, dependencia, humillación social y rabia. Las personas sentirán que el mundo ya no tiene sentido, que las instituciones ya no explican la realidad, que el trabajo ya no recompensa el esfuerzo y que el lenguaje público se ha vuelto demasiado abstracto o corrupto para orientar la acción. En esas condiciones, las respuestas simples se vuelven seductoras. Las figuras autoritarias y las soluciones corporativas no necesitan resolver la complejidad. Solo necesitan hacer que la complejidad parezca soportable.
La educación está implicada en esta brecha porque la educación moderna depende de la promesa de la preparación. Presupone que las sociedades pueden identificar futuros deseables, definir conocimientos pertinentes, diseñar currículos, formar docentes, acreditar a los estudiantes y distribuir oportunidades mediante escuelas, universidades y sistemas de capacitación. Cuando el cambio supera la imaginación, esta secuencia se desmorona. La educación revela entonces su doble carácter. Puede cultivar la autorrealización, el juicio y la agencia colectiva. También puede imponer la voluntad de otros mediante el currículo, la clasificación, la disciplina, la acreditación, la vigilancia y la selección para el mercado laboral. Por lo tanto, la década de 2030 debe entenderse como una década de rezago humano. Puede que las tecnologías aún no hayan alcanzado la versión más extrema de la Singularidad, pero las instituciones humanas operarán cada vez más desde una posición de rezago. Las leyes irán a la zaga de las herramientas. Las escuelas irán a la zaga de quienes aprenden. Las credenciales irán a la zaga de los mercados laborales. Los marcos éticos irán a la zaga de la implementación. El lenguaje público irá a la zaga de la realidad técnica. Este rezago es el rostro humano de la aceleración.
Señales de tensión
El futuro que aquí se describe sigue abierto, pero la dirección de las tensiones es mensurable. Las señales no son advertencias aisladas. Convergen. La IA se difunde más rápido de lo que las instituciones pueden gobernarla. La exposición laboral es desigual y se produce a nivel de las tareas, en lugar de circunscribirse claramente a sectores. El estrés climático ya ha pasado del pronóstico a la disrupción operativa. El cambio demográfico está ampliando la diferencia entre los sistemas que gestionan la contracción y aquellos que gestionan la saturación. La propia preparación está estratificada.
Figura 3. Rezago humano.
El uso de la IA por parte del alumnado ya ha superado la capacidad de gobernanza de las escuelas, lo que obliga a las instituciones a regular después de la difusión y no antes (Stanford Institute for Human-Centered AI, 2026). El índice global refinado de la Organización Internacional del Trabajo sobre la exposición ocupacional a la IA generativa se basa en 29,753 tareas, 2,861 valoraciones de tareas y 52,558 datos aportados por trabajadores y expertos para medir la exposición en distintas ocupaciones, sectores y países (Gmyrek et al., 2025). Los datos de la OCDE muestran que los trabajadores con educación terciaria todavía ganan, en promedio, un 54% más que quienes han completado la educación secundaria superior, lo cual ayuda a explicar por qué las sociedades siguen recurriendo a la educación como relato de movilidad, aunque ese relato pierda fuerza para muchas personas (Organisation for Economic Co-operation and Development, 2025). La ciencia climática apunta a un desajuste similar entre las aspiraciones institucionales y la realidad material: el Sexto Informe de Evaluación del IPCC identifica límites a la adaptación, riesgos residuales crecientes y una vulnerabilidad cada vez mayor allí donde la financiación, la gobernanza, la infraestructura y la mitigación siguen siendo insuficientes (Intergovernmental Panel on Climate Change, 2023).
La educación entra en este período siendo ya frágil. La UNESCO estima que 273 millones de niños, niñas y jóvenes estaban sin escolarizar en 2024, y que la cifra mundial de población sin escolarizar se ha reducido menos de un 1% desde la adopción del ODS 4 en 2015 (UNESCO, 2025a). La UNESCO también informa de que el 57% de la población infantil mundial carece de competencias básicas, mientras que el Banco Mundial estima que siete de cada diez niños y niñas de países de ingreso bajo y mediano no pueden leer y comprender un texto sencillo a los 10 años (UNESCO, 2025d; World Bank, 2022). UNICEF estima que los peligros climáticos interrumpieron la escolarización de al menos 242 millones de estudiantes en 85 países en 2024, y que solo las olas de calor afectaron a unos 171 millones de estudiantes (UNICEF, 2025). Estos datos indican que la educación entrará en el período posterior a 2030 con bases débiles, capacidades desiguales y perturbaciones crecientes procedentes de fuera del sector.
El aprendizaje fundamental forma parte de la misma crisis. Muchos sistemas afrontarán estas presiones mientras todavía luchan por garantizar la alfabetización y la aritmética básicas. Esto agrava el colapso de la preparación. A sistemas que no han logrado ofrecer un aprendizaje fundamental se les está pidiendo que gobiernen futuros para los que incluso las instituciones con abundantes recursos están mal preparadas.
La demografía añade otra capa de presión. La década de 2030 estará marcada por la IA, el clima, el envejecimiento de la población, el descenso de la natalidad en algunos lugares, el aumento extraordinario de la población joven en otros, la presión migratoria, la despoblación rural, la concentración urbana y la tensión fiscal. Las proyecciones demográficas de las Naciones Unidas indican que el crecimiento futuro se concentrará en un número relativamente pequeño de países, mientras muchos otros sistemas se adentran aún más en el envejecimiento y la baja fecundidad (United Nations Department of Economic and Social Affairs, Population Division, 2024). Algunos sistemas educativos se enfrentarán a cohortes cada vez más pequeñas, cierres de escuelas, bases de financiación por matrículas debilitadas y plantillas envejecidas. Otros afrontarán saturación, desplazamientos, demanda insatisfecha y expectativas crecientes de poblaciones jóvenes con escaso poder institucional. La demografía ayudará a determinar qué instituciones pueden absorber la disrupción y cuáles entrarán en una etapa de estrés tecnológico y climático ya debilitadas en los planos fiscal y social.
La trayectoria dominante más allá de 2030 apunta hacia futuros que pueden ser materialmente peores de lo que la mayor parte de la política educativa se permite reconocer. Muchas personas vivirán esos futuros como realidades materialmente duras, políticamente restrictivas, psicológicamente desorientadoras y socialmente humillantes. Nombrar esta posibilidad es un ejercicio de disciplina analítica. Impide que el optimismo sustituya al análisis. Una respuesta educativa creíble debe partir de la posibilidad de que el futuro dominante sea materialmente peor, sin tratar esa trayectoria como inevitable.
Tabla 1. Indicadores convergentes de tensión para la educación más allá de 2030.
| Indicador de tensión | Dato reciente | Importancia interpretativa para la educación más allá de 2030 |
|---|---|---|
| Uso de la IA por parte del alumnado | Más del 80% del alumnado estadounidense de secundaria y educación superior utiliza la IA para tareas relacionadas con los estudios (Stanford Institute for Human-Centered AI, 2026). | La adopción ha superado a las políticas, la preparación docente y la gobernanza institucional. |
| Gobernanza escolar de la IA | Solo el 50% de las escuelas estadounidenses de nivel medio y secundario cuenta con políticas de IA, y el 6% de los docentes considera que esas políticas son claras (Stanford Institute for Human-Centered AI, 2026). | Las escuelas gobiernan después de la difusión y no antes. |
| Exposición ocupacional mundial | El índice de la OIT de 2025 evalúa 29,753 tareas y 2,861 valoraciones de tareas en distintas ocupaciones (Gmyrek et al., 2025). | La exposición a la IA reorganiza el trabajo a nivel de las tareas, lo que vuelve insuficientes los relatos generales sobre recapacitación. |
| Prima salarial de la educación terciaria | En los países de la OCDE, los trabajadores con educación terciaria ganan, en promedio, un 54% más que quienes han completado la educación secundaria superior (Organisation for Economic Co-operation and Development, 2025). | La educación sigue teniendo valor económico, pero ese valor puede concentrarse en formas estratificadas de formación. |
| Población sin escolarizar | 273 millones de niños, niñas y jóvenes estaban sin escolarizar en 2024 (UNESCO, 2025a). | El debate sobre la preparación para el futuro parte de un acceso incompleto, no de una escolarización universal. |
| Aprendizaje fundamental | Siete de cada diez niños y niñas de países de ingreso bajo y mediano no pueden leer y comprender un texto sencillo a los 10 años (World Bank, 2022). | Muchos sistemas afrontan las perturbaciones de la IA y el clima antes de lograr el aprendizaje fundamental. |
| Disrupción climática | Al menos 242 millones de estudiantes de 85 países vieron interrumpida su escolarización por peligros climáticos en 2024 (UNICEF, 2025). | El clima ya funciona como un problema de infraestructura educativa. |
| Récord de calor mundial | Copernicus informa de que 2024 fue el año más cálido desde que existen registros y el primer año natural con una temperatura promedio superior en más de 1.5°C a los niveles preindustriales (Copernicus Climate Change Service, 2025). | El estrés climático está acelerando problemas de continuidad, refrigeración, seguros e infraestructura, en lugar de seguir siendo un tema curricular del futuro. |
| Divergencia demográfica | Las proyecciones demográficas de la ONU indican que el crecimiento futuro se concentrará en un número relativamente pequeño de países, mientras muchos otros se adentran aún más en el envejecimiento y la baja fecundidad (United Nations Department of Economic and Social Affairs, Population Division, 2024). | La década de 2030 ampliará la brecha entre los sistemas que gestionan la demanda juvenil y aquellos que gestionan la contracción, los cierres y la presión fiscal. |
| Brecha de preparación del GEFRI | La instantánea de cierre de 2025 del GEFRI presenta una media mundial de 48.85 en 177 países no considerados microestados, con puntuaciones que oscilan entre 13.56 y 81.98 (Education Futures, 2025). | La preparación para los futuros de la educación es desigual, y muchos sistemas están expuestos a perturbaciones antes de desarrollar capacidad adaptativa. |
El GEFRI añade una perspectiva de preparación porque aborda la preparación para los futuros de la educación como un problema multidimensional, y no como una cuestión de rendimiento escolar, utilizando indicadores comparables para aproximar las bases educativas, la infraestructura, la equidad, la innovación y la resiliencia. Aquí se utiliza como perspectiva analítica complementaria, no como prueba independiente de la tesis del informe. Su valor es comparativo: combina indicadores que aproximan la preparación para los futuros de la educación y ayuda a mostrar la desigualdad con que los sistemas entran en el próximo período de disrupción. Debe leerse junto con la evidencia de la UNESCO, el Banco Mundial, la OCDE, UNICEF, la OIT, el IPCC y la AIE, no en lugar de ella. Dado que el GEFRI se construye principalmente a partir de datos del Banco Mundial, ayuda a identificar brechas de preparación mediante indicadores comparables y, a la vez, deja espacio para el juicio cualitativo sobre la gobernanza, la colonialidad, el poder institucional y el contexto local. Sus medianas regionales muestran puntos de partida marcadamente desiguales: América del Norte presenta una mediana de preparación para el futuro de 72.7, mientras que África subsahariana presenta una de 26.4 (Education Futures, 2026). Estas disparidades son importantes porque la difusión de la IA, el estrés climático, la dependencia de las plataformas y la volatilidad del mercado laboral agravarán las brechas de preparación existentes.
Preparación sin poder
La respuesta previsible a estas presiones será otra ronda de agendas de preparación para el futuro: marcos de competencias, iniciativas de alfabetización en IA, itinerarios de recapacitación, microcredenciales, paneles de empleabilidad, sistemas de aprendizaje personalizado, estrategias de innovación y planes de alineación con la fuerza laboral. Como demuestra la historia de la enseñanza automatizada, los marcos de aprendizaje personalizado llevan mucho tiempo sirviendo para cercar la autoridad pedagógica y estandarizar la enseñanza bajo agendas corporativas de eficiencia (Watters, 2021). Algunos ayudarán a quienes aprenden a desenvolverse ante exigencias inmediatas. Ninguno será suficiente si deja a las personas y las instituciones dependientes de sistemas que no pueden gobernar.
Esto es preparación sin poder. Pide a las personas que se adapten a plataformas, mercados laborales, sistemas de datos, riesgos climáticos y regímenes de acreditación cuyas reglas se fijan en otros lugares. El lenguaje suele ser optimista: flexibilidad, agilidad, resiliencia, empleabilidad, aprendizaje permanente, apoyo personalizado e innovación. Su función puede ser más dura. A quienes aprenden se les dice que sigan actualizándose mientras los sistemas que definen las oportunidades se vuelven más opacos, automatizados, extractivos y gobernados desde el exterior.
Las competencias siguen siendo esenciales: la alfabetización fundamental, la fluidez técnica, la comprensión cívica y la alfabetización en IA son todas importantes. El fracaso comienza cuando las competencias se tratan como sustitutos de la autoridad. Una persona puede poseer competencias y aun así carecer de poder sobre los sistemas que las miden, tasan, clasifican y disciplinan. Una escuela puede enseñar alfabetización en IA y aun así depender de sistemas de IA que no puede auditar. Una universidad puede ampliar las microcredenciales y aun así reducir la formación a señales laborales de ciclo corto. Un ministerio puede promover la innovación al tiempo que transfiere la autoridad pública a una infraestructura privada.
La empleabilidad y la agencia plantean preguntas distintas. La empleabilidad pregunta si una persona puede seguir siendo útil para unos sistemas cambiantes, mientras que la agencia pregunta si las personas pueden configurar los sistemas que determinan la utilidad. La alineación con la fuerza laboral se vuelve peligrosa cuando los mercados laborales son inestables, están automatizados y los gobiernan actores a quienes la educación no puede exigir responsabilidades. El aprendizaje permanente se convierte en disciplina cuando se exige a las personas que se actualicen sin cesar mientras empleadores, plataformas y Estados se niegan a asumir obligaciones recíprocas.
Esta distinción también separa el aprendizaje knowmádico de la adaptabilidad que exigen muchas agendas de preparación para el futuro. La adaptabilidad pide a las personas que sigan siendo útiles a medida que cambian los sistemas externos. La capacidad knowmádica pregunta si las personas pueden crear conocimiento, relaciones, trabajo y alternativas en contextos cambiantes sin perder la autoridad sobre sus propósitos. Combina el aprendizaje autodirigido, la formulación de problemas, el juicio, la creación de conocimiento, la colaboración, la construcción de redes, la fluidez tecnológica y la capacidad de trasladar el conocimiento entre ámbitos y situaciones.
Sin soberanía, no obstante, la movilidad knowmádica puede colapsar en precariedad. Una persona capaz de aprender continuamente, moverse entre contextos y crear nuevas formas de trabajo puede seguir dependiendo de plataformas, mercados laborales, sistemas de datos e infraestructuras gobernados por otros. Por tanto, la capacidad knowmádica solo se vuelve emancipadora cuando se une a derechos, protección social, poder de negociación, infraestructura pública y autoridad significativa sobre los sistemas a través de los cuales las personas aprenden y trabajan.
La promesa reconfortante de la educación preparada para el futuro es que una mejor preparación preservará las oportunidades. La verdad más difícil es que la preparación no puede sustituir al poder. Las competencias solo importan cuando las personas también cuentan con derechos, instituciones, infraestructuras y autoridad colectiva sobre los sistemas que utilizan esas competencias. Los derechos sin capacidad se convierten en protecciones de papel. La capacidad sin autoridad se convierte en adaptación. La soberanía educativa es la respuesta a la preparación sin poder.
Futuros alternativos de la educación
Los cuatro arquetipos de futuros de Dator —crecimiento continuo, colapso, disciplina y transformación— ayudan a evitar que el argumento quede atrapado en un único pronóstico distópico. Aplicados a la educación más allá de 2030, plantean un campo de futuros en disputa, en lugar de un destino predeterminado (Dator, 2009). Las señales actuales apuntan al colapso y la disciplina, pero esos futuros se vuelven más probables cuando las instituciones siguen operando a partir de supuestos obsoletos.
El análisis no ofrece un único pronóstico. Las señales actuales identifican una trayectoria dominante, los arquetipos de Dator enmarcan futuros alternativos, la Singularidad funciona como horizonte de tensión y la transformación sigue siendo un futuro preferido, no un resultado previsto.
La disciplina también puede tomar prestado el lenguaje de la transformación. El aprendizaje personalizado, la seguridad, la eficiencia, la innovación y la resiliencia pueden convertirse en el vocabulario mediante el cual se normaliza la dependencia. La verdadera prueba es si una reforma amplía la autoridad, la agencia, la privacidad, la formación y el poder de salida.
Tabla 2. Los cuatro futuros alternativos de Dator aplicados a la educación.
| Imagen datoriana del futuro | Expresión educativa más allá de 2030 | Consecuencia humana |
|---|---|---|
| Crecimiento continuado | La educación redobla su apuesta por la innovación, la empleabilidad, la adopción de la IA, las clasificaciones mundiales y la expansión de las credenciales. | Inflación de credenciales, agotamiento y una selección más profunda a medida que las personas persiguen la movilidad mediante sistemas cuyas promesas siguen debilitándose. |
| Colapso | La disrupción climática, el desplazamiento laboral, la desconfianza pública y la fragilidad institucional desbordan la continuidad educativa. | Las escuelas y universidades se convierten en espacios de triaje, gestión de pérdidas, aprendizaje interrumpido y selección social. |
| Disciplina | La educación opera mediante la dependencia por diseño: vigilancia, recapacitación, incentivos conductuales, clasificación de riesgos y cumplimiento. | Quienes aprenden son vigilados, clasificados y capacitados para adaptarse a sistemas que no pueden gobernar. |
| Transformación | La educación se reorganiza en torno a la agencia humana, la resiliencia comunitaria, la soberanía educativa y nuevas formas de trabajo y pertenencia. | El aprendizaje se convierte en un espacio para construir alternativas, proteger la formación y ampliar el poder colectivo. |
El peligro es que el colapso y la disciplina se conviertan en el camino de menor resistencia durante la década de 2030. El futuro preferido sigue siendo transformador, pero la transformación no puede afirmarse mediante el optimismo. Requiere que instituciones, comunidades, docentes, estudiantes y movimientos sociales creen condiciones en las que las personas puedan aprender, trabajar y actuar sin volverse completamente dependientes de sistemas que las clasifican, vigilan y dirigen.
Entre las incertidumbres críticas están si se alcanza un umbral de IAG ampliamente aceptado, cuándo y de qué manera, y si los sistemas de IA cada vez más generales y autónomos reorganizan el trabajo cognitivo antes de que surja tal consenso. También incluyen si los Estados pueden regular la infraestructura de la IA, si la educación pública conserva su legitimidad democrática, si las protecciones laborales se adaptan al trabajo mediado por máquinas, si la adaptación climática se financia de manera justa, si quienes aprenden conservan la privacidad y el debido proceso, si el estrés demográfico debilita el poder institucional con mayor rapidez de la que las instituciones pueden ajustarse y si las comunidades construyen alternativas antes de que la dependencia de las plataformas se vuelva irreversible. Estas incertidumbres determinarán qué futuros se vuelven dominantes.
Las señales débiles de un futuro transformador son valiosas porque muestran dónde ya se está cuestionando la trayectoria dominante. No deben tratarse como prueba de que la transformación ocurrirá. Están dispersas, son desiguales, políticamente vulnerables y, a menudo, carecen de financiación suficiente. Su valor reside en mostrar qué formas de imaginación institucional siguen siendo posibles antes de que se normalicen la dependencia de las plataformas, el triaje ecológico o el cercamiento de las élites.
Tabla 3. Señales débiles de futuros transformadores de la educación.
| Señal débil | Qué cuestiona | Implicaciones más allá de 2030 |
|---|---|---|
| Infraestructura digital pública | La dependencia de plataformas privadas como arquitectura predeterminada del aprendizaje. | Mantiene las cuestiones de acceso, datos, identidad y gobernanza dentro de la autoridad pública, en lugar de someterlas al control de los proveedores. |
| Herramientas de aprendizaje de código abierto | La idea de que la inteligencia educativa debe ser privativa. | Crean posibilidades de auditabilidad, adaptación, propiedad local y mejora compartida. |
| Gobernanza de la IA liderada por docentes | La adopción impulsada por las adquisiciones, en la que los educadores heredan sistemas que no ayudaron a configurar. | Trata a los docentes como intérpretes institucionales de la tecnología, no como mano de obra para su implementación. |
| Escuelas resilientes al clima | La educación climática entendida únicamente como currículo. | Posiciona a las escuelas como infraestructura cívica para la continuidad, los cuidados, la refrigeración, la comunicación y la adaptación local. |
| Bibliotecas y bienes comunes comunitarios de aprendizaje | La educación como función circunscrita a la escuela o la universidad. | Proporcionan espacios públicos de confianza para el apoyo digital, el aprendizaje cívico, el acceso a herramientas y la construcción intergeneracional de sentido. |
| Modelos de trabajo cooperativos y de propiedad comunitaria | La conversión de la flexibilidad en precariedad individual. | Vinculan la capacidad knowmádica con infraestructura compartida, poder de negociación y creación local de valor. |
| Registros y portafolios controlados por quienes aprenden | La propiedad institucional de los historiales de aprendizaje. | Orientan la evidencia del aprendizaje hacia la portabilidad, el consentimiento, la autoría propia y el debido proceso. |
Estas señales débiles todavía no constituyen un movimiento coherente. Se entienden mejor como fragmentos de una posible transformación: indicios tempranos de que la educación aún puede organizarse en torno a la autoridad pública, el poder comunitario, el juicio humano y la agencia de quienes aprenden, en lugar de la dependencia por diseño. También revelan una distinción que será importante durante toda la década de 2030. Algunas prácticas locales desarrollan capacidad de supervivencia: cuidados, continuidad, atención, confianza, refrigeración, alimentación, conexión y espacios seguros para aprender. Otras desarrollan contrapoder: adquisiciones compartidas, capacidad de auditoría, infraestructura abierta, gobernanza de datos, acuerdos laborales y derechos institucionales de salida. La soberanía educativa necesita ambas cosas. La capacidad de supervivencia mantiene a las comunidades en funcionamiento durante las disrupciones. El contrapoder reduce la dependencia.
Otra señal débil apunta en dirección opuesta a la aceleración de la IA: el repliegue analógico. En todo el mundo, los gobiernos están restringiendo los teléfonos inteligentes en las escuelas a medida que crece la preocupación pública por la atención, la salud mental, la distracción y una infancia mediada por pantallas. El seguimiento del GEM de la UNESCO informó de que 79 sistemas educativos, alrededor del 40%, habían establecido prohibiciones de teléfonos inteligentes mediante leyes o políticas al término de 2024, y estudios posteriores determinaron que las prohibiciones nacionales de teléfonos móviles se habían ampliado a 114 sistemas educativos, alrededor del 58% de los países, para 2026 (UNESCO, 2025b; UNESCO Global Education Monitoring Report, 2026). El repliegue analógico es una señal débil ambivalente. Un mismo fenómeno puede apuntar hacia la transformación para algunos estudiantes y hacia la disciplina para otros. Cuestiona el supuesto de que un aprendizaje más mediado por pantallas siempre constituye un progreso, pero también puede profundizar la desigualdad. En entornos acomodados, una educación con pocos dispositivos puede proteger la atención, la privacidad y la formación humana. En los sistemas masivos, ese mismo repliegue puede coexistir con la enseñanza automatizada, la vigilancia y un apoyo humano infrafinanciado. Su significado político depende de si amplía para todos un aprendizaje rico en interacción humana o se convierte en un bote salvavidas para las élites.
La Singularidad como límite de la imaginación educativa
El marco de futuros esclarece el papel de la Singularidad en este argumento. Aquí funciona como concepto límite para la imaginación educativa. Si la educación no logra comprender la aceleración, la opacidad, la inestabilidad ecológica y la volatilidad del mercado laboral en la década de 2030, entonces una ruptura tecnológica más profunda en el horizonte de 2040-2045 dejará al descubierto un ámbito que ya tiene dificultades para comprender el mundo para el que afirma preparar a las personas.
La planificación educativa se sustenta en la creencia de que el futuro puede convertirse en preparación institucional. Los planes estratégicos, los ejercicios de escenarios, los marcos de competencias, los sistemas de cualificaciones, los atributos de los egresados, las previsiones del mercado laboral y las agendas de innovación dependen del supuesto de que las condiciones emergentes pueden interpretarse con suficiente claridad para orientar el diseño educativo. Incluso cuando estas herramientas reconocen la incertidumbre, suelen preservar la idea de que esta puede acotarse, modelarse y convertirse en acción adaptativa. El problema empírico es que el ciclo institucional del cambio educativo ya va a la zaga de la difusión tecnológica. Las instituciones siguen actuando, pero lo hacen cada vez más mediante categorías que describen de manera errónea los sistemas que intentan gobernar.
La crisis práctica no requiere la IAG. Las escuelas ya afrontan versiones más débiles del mismo problema mediante la dependencia de las plataformas, la evaluación automatizada, los sistemas de datos controlados por proveedores, la gestión algorítmica y las herramientas de IA que avanzan más rápido que las políticas. La Singularidad magnifica estos problemas; no los crea. Su valor educativo es diagnóstico: revela la rapidez con que la planificación se desmorona cuando las instituciones pierden la capacidad de interpretar y gobernar las infraestructuras de las que dependen.
La IAG y la Singularidad no son conceptos intercambiables. Las definiciones de IAG siguen siendo objeto de debate, en particular respecto de la amplitud, el nivel y la autonomía que deben alcanzar las capacidades de las máquinas para merecer esa denominación (Morris et al., 2024). Ese debate ya no es totalmente prospectivo. En septiembre de 2026, cuando OpenAI (2026) presentó GPT-6 Astra, el presidente de la empresa, Greg Brockman, sostuvo que era razonable considerar que el modelo marcaba el comienzo de una «era de la IAG». Que Astra deba o no denominarse IAG es menos importante para este análisis que lo que esta ambigüedad revela: las instituciones educativas quizá ya estén entrando en la transición que han tratado como un pronóstico lejano. No es necesario alcanzar un acuerdo sobre el lugar que ocupan los actuales sistemas de frontera en ese continuo. La IAG es crucial porque el desarrollo continuo de capacidades de las máquinas cada vez más generales podría provocar el colapso del propio horizonte de preparación. Un estudiante que inicia una carrera de cuatro años recibe preparación mediante currículos basados en los conocimientos, estructuras ocupacionales, tecnologías y supuestos actuales sobre la demanda futura. Si los sistemas capaces de realizar amplias categorías de trabajo cognitivo mejoran durante ese mismo período, los egresados pueden incorporarse al mercado laboral con competencias que eran escasas cuando se matricularon, pero que ya no tienen el mismo valor cuando terminan. El riesgo es más fundamental que un desajuste de competencias. El ciclo de previsión, diseño curricular, acreditación, enseñanza, evaluación y graduación puede volverse más lento que el cambio que intenta anticipar.
En esas condiciones, la alineación con la fuerza laboral se vuelve contraproducente. La educación no puede ganar una carrera en la que rediseña repetidamente la preparación humana en función de unas capacidades de las máquinas que pueden cambiar más rápido de lo que las instituciones aprueban nuevos programas. Cuanto más generales se vuelven las capacidades de las máquinas, menos defendible resulta organizar la educación en torno a predicciones sobre qué tareas ocupacionales seguirán realizando los seres humanos varios años después. La preparación debe alejarse de las funciones laborales previstas y orientarse hacia capacidades que conserven su utilidad en distintos contextos: aprender a aprender, formular problemas, ejercer el juicio, sintetizar, colaborar, crear conocimiento, construir redes, desarrollar fluidez tecnológica y ser capaz de crear nuevas formas de trabajo y valor.
Estas son capacidades knowmádicas. Su propósito no es mantener a las personas sincronizadas con cualquier mercado laboral que surja. Ayudan a las personas a actuar cuando desaparecen un rol, una institución, una ocupación o una trayectoria profesional esperados. Quien aprende de forma knowmádica puede trasladar conocimiento entre contextos, construir nuevas relaciones, aprender lo que exige una nueva situación, crear conocimiento en lugar de limitarse a consumirlo y construir posibilidades allí donde las vías establecidas ya no funcionan. Sin embargo, la capacidad knowmádica no puede sustituir al poder. Sin soberanía educativa, la movilidad se convierte en precariedad, el aprendizaje continuo se convierte en una disciplina permanente de empleabilidad y la autodirección tiene lugar dentro de sistemas cuyas reglas siguen sometidas a un control externo.
La educación siempre ha dependido de cierta continuidad entre pasado, presente y futuro. El currículo se construye a partir del conocimiento existente. La evaluación valora el desempeño presente con arreglo a estándares conocidos. Las credenciales traducen el aprendizaje en confianza social. La preparación docente presupone que la práctica pedagógica puede transferirse entre cohortes. La planificación institucional presupone que el futuro diferirá del presente, pero no de manera tan radical como para que la preparación pierda coherencia. La Singularidad rompe esta continuidad. Plantea la posibilidad de que las máquinas dejen de funcionar únicamente como instrumentos al servicio de los propósitos humanos y pasen a ser mediadoras de lo que los seres humanos pueden conocer, decidir, construir y valorar (Bostrom, 2014).
Esto también conecta con críticas anteriores de la sociedad tecnológica. Ellul (1964) advirtió que la técnica subordina la vida social a la eficiencia, mientras que Winner (1980) mostró que las infraestructuras encarnan disposiciones políticas. Los sistemas de IA entran en las escuelas y universidades portando supuestos sobre la optimización, el conocimiento, el trabajo, la atención y la autoridad. Una vez integrados, no se limitan a apoyar el juicio educativo. Configuran lo que las instituciones perciben como razonable, mensurable y gobernable.
El lenguaje de las «competencias para el futuro» resulta inadecuado aquí por la misma razón antes descrita: convierte un problema de poder en un problema de preparación. Presupone que el futuro es difícil, pero todavía lo bastante cognoscible como para especificar la preparación. Si la Singularidad marca el límite de la imaginación educativa, entonces la preparación no puede definirse mediante la alineación con sistemas futuros cuyas consecuencias sociales exceden los marcos conceptuales actuales. La tarea pasa de la predicción a la preservación: cómo protegen las personas y las instituciones el juicio, la agencia, la orientación ética y los propósitos humanos no negociables cuando el entorno externo avanza más rápido que la planificación.
La prospectiva todavía tiene un papel, pero no principalmente como herramienta para prever la demanda laboral o afinar la estrategia institucional en condiciones de incertidumbre manejable. Su tarea más urgente es identificar la fragilidad, exponer los supuestos, cartografiar las dependencias y decidir qué formas de desarrollo humano no deben rendirse ante la inevitabilidad tecnológica. Se trata de fortalecer la capacidad de actuar cuando falla la predicción.
Colapso de la agencia
El colapso de la imaginación produce una segunda condición: el colapso de la agencia. La agencia depende de algo más que la capacidad formal de elegir. Requiere que las personas comprendan lo suficiente los sistemas que configuran sus vidas como para tomar decisiones reales, impugnar decisiones y participar en el autogobierno colectivo. Cuando los sistemas se vuelven demasiado complejos, opacos y cambiantes para que la gente común o las instituciones públicas puedan comprenderlos, la agencia se debilita, aun cuando los derechos legales permanezcan formalmente intactos.
Figura 4. Colapso de la agencia.
Este debilitamiento ocurrirá por la acumulación de dependencias, no por una única pérdida drástica de derechos. Los trabajadores dependerán de sistemas algorítmicos de programación de horarios, evaluaciones automatizadas, puntuaciones de reputación y acceso a los ingresos mediado por plataformas. Los estudiantes dependerán de sistemas de aprendizaje adaptativo, retroalimentación automatizada, tutores de IA, supervisión remota de exámenes y entornos de evaluación generados por máquinas. Las familias dependerán de sistemas de identidad digital, portales de prestaciones, modelos de riesgo, algoritmos de seguros, plataformas de salud y sistemas de gestión escolar. Los ciudadanos dependerán de la administración pública automatizada, la verificación biométrica, la vigilancia policial predictiva, la calificación crediticia, los sistemas fronterizos y las infraestructuras de filtrado de información.
En cada caso, la persona parece conservar la capacidad de elegir. Sin embargo, el abanico de opciones inteligibles y viables se estrecha. Un trabajador puede optar por cumplir con la programación algorítmica de horarios o arriesgarse a perder sus ingresos. Un estudiante puede optar por usar la plataforma o quedar imposibilitado de participar en el curso. Una familia puede optar por compartir sus datos o perder el acceso a los servicios. Un ciudadano puede optar por aceptar el proceso automatizado o adentrarse en un laberinto burocrático sin ninguna vía efectiva de apelación. El lenguaje de la elección permanece, pero las condiciones de la agencia se deterioran.
La clasificación no solo ordena a las personas. También ordena el conocimiento. Los sistemas automatizados deciden qué lenguaje suena fluido, qué pruebas parecen creíbles, qué historias pueden recuperarse, qué ejemplos son normales y qué formas de conocer permanecen en la periferia. Aquí es donde se encuentran el colapso de la agencia y el cercamiento epistémico: las personas pierden autoridad no solo sobre los sistemas que las juzgan, sino también sobre los sistemas de conocimiento mediante los cuales el juicio se vuelve posible.
El colapso de la agencia se vuelve económicamente racional cuando las escuelas se convierten en entornos de datos. Se capturan rastros de comportamiento, la predicción se convierte en un modelo de negocio y el apoyo educativo comienza a fusionarse con la gestión del comportamiento. Los estudiantes no son meros usuarios de sistemas digitales. Sus escritos, pausas, errores, búsquedas, patrones de atención, datos biométricos, ubicaciones, clics e interacciones se convierten en posibles insumos de sistemas que pertenecen a otros. La educación corre entonces el riesgo de convertirse en un lugar donde el desarrollo humano es capturado como residuo de datos y convertido en predicción, orientación sutil, monitoreo y clasificación (Zuboff, 2019; Couldry & Mejias, 2019).
Los sistemas automatizados ya muestran cómo los derechos formales pueden coexistir con la impotencia práctica. Los sistemas de bienestar social, las puntuaciones de riesgo, los modelos opacos y los regímenes de clasificación pueden decidir, jerarquizar, denegar o disciplinar a las personas, al tiempo que presentan esas decisiones como una gobernanza justa (Eubanks, 2018; O’Neil, 2016; Fourcade & Healy, 2017). Por tanto, el colapso de la agencia no es solo una condición psicológica. Es un patrón institucional en el que las personas se enfrentan a sistemas automatizados que determinan sus oportunidades vitales, pero siguen siendo difíciles de inspeccionar, cuestionar, modificar o abandonar.
La educación está implicada porque responde a la dependencia y, a la vez, la reproduce. Las escuelas y universidades dependen cada vez más de plataformas que no gobiernan, sistemas de datos que no pueden auditar por completo, herramientas de evaluación que no siempre pueden explicar y sistemas de IA cuyos modelos, datos de entrenamiento y objetivos de optimización permanecen fuera de la autoridad educativa pública. Esto genera una contradicción. La educación afirma cultivar personas autónomas al tiempo que las integra en infraestructuras que normalizan la dependencia de sistemas opacos.
La opacidad tecnológica se combina con el desplazamiento institucional. Las decisiones se alejan de las comunidades educativas sujetas a rendición de cuentas y pasan a contratos de adquisición, plataformas de proveedores, estándares técnicos, infraestructuras en la nube, modelos propietarios y regímenes regulatorios rezagados respecto de la práctica. Docentes y estudiantes experimentan entonces los sistemas tecnológicos como hechos administrativos y no como decisiones democráticas. El resultado es un cambio en el currículo oculto de la educación. A través de la experiencia cotidiana, se enseña a los estudiantes que los sistemas inteligentes definen el entorno en el que debe tener lugar la acción humana. Llegado ese punto, la imaginación política también se estrecha. La toma de decisiones públicas se convierte en una administración reactiva dentro de sistemas que ya no puede gobernar.
Neoludismo y simplificación autoritaria
El colapso de la agencia ayuda a explicar por qué la aceleración tecnológica puede producir tanto neoludismo como aceptación de la simplificación autoritaria. Estas respuestas parecen contradictorias porque una rechaza los sistemas tecnológicos mientras la otra acoge la autoridad mediada por máquinas. Sin embargo, ambas surgen de la misma experiencia social: la humillación social en condiciones de complejidad.
El neoludismo no debe reducirse a una hostilidad irracional hacia las máquinas. El ludismo histórico fue una lucha por la organización social de la producción, la dignidad laboral y la destrucción de la autonomía artesanal, más que un simple rechazo de la maquinaria (Hobsbawm, 1952). Una respuesta neoludita contemporánea también contendrá una crítica legítima. Se opondrá a las tecnologías que degradan el trabajo, erosionan la privacidad, automatizan el juicio, debilitan la supervisión democrática y subordinan a los seres humanos a sistemas diseñados en torno a la extracción o el control. En este sentido, el neoludismo puede convertirse en uno de los pocos lenguajes populares mediante los cuales las personas expresen la experiencia de la desposesión tecnológica.
Sin embargo, el neoludismo puede volverse reaccionario cuando ataca los símbolos mientras deja intactas la propiedad y la gobernanza. Puede culpar a las herramientas de IA en lugar de a las instituciones que las despliegan, o destruir la interfaz dejando intacta la arquitectura. Excluirse también puede reproducir la desigualdad. Si las comunidades marginadas abandonan la IA mientras las instituciones de élite la utilizan para ampliar su capacidad de investigación, personalizar el apoyo y potenciar la agencia humana, el resultado acelerará el mismo neofeudalismo educativo que pretenden resistir. Una respuesta seria debe distinguir el rechazo de la gobernanza: algunas herramientas deberían adoptarse bajo normas públicas, otras deberían limitarse, algunas deberían rechazarse y deberían construirse alternativas públicas allí donde la dependencia resulte inaceptable.
Al mismo tiempo, muchas personas buscarán alivio frente a la complejidad mediante una orientación autoritaria. Un orden autoritario posterior a 2030 puede presentarse como asistencia, seguridad, eficiencia, protección infantil, orden público y alivio cognitivo. En condiciones de sobrecarga informativa, las personas pueden aceptar sistemas que reducen la complejidad incluso cuando esos sistemas reducen la libertad. Una misma persona puede rechazar la IA en las escuelas y, a la vez, aceptar la vigilancia automatizada del bienestar social, la vigilancia policial predictiva, las fronteras biométricas o los servicios públicos mediados por máquinas si estos sistemas se presentan como protección. Ambas posturas expresan el deseo de recuperar la claridad en un mundo que se ha vuelto demasiado complejo para comprenderlo.
Adorno, Arendt y Foucault ayudan a explicar este atractivo. En condiciones de desorientación, las personas pueden trocar su juicio por certeza, pertenencia y orden; el poder disciplinario aparece entonces como administración y no como espectáculo (Adorno et al., 1950; Arendt, 1951; Foucault, 1977, 2007). En la educación, las plataformas, los paneles de control, las evaluaciones, las orientaciones sutiles y las intervenciones predictivas pueden moldear la conducta mientras aparentan brindar apoyo.
La alfabetización sigue siendo necesaria, pero no basta. La alfabetización básica, la alfabetización técnica, la alfabetización en IA, la alfabetización cívica y la alfabetización climática siguen siendo requisitos previos de la agencia. El problema comienza cuando la alfabetización se considera el punto de llegada. Comprender un sistema no garantiza la autoridad para gobernarlo, cuestionar sus afirmaciones, modificar sus condiciones o sustraerse a su control. Por tanto, la respuesta educativa debe avanzar más allá de la alfabetización hacia la soberanía educativa. Una sociedad que enseña a las personas a usar herramientas que no pueden gobernar no produce agencia. Produce adaptación a un poder externo.
Disciplina laboral y límites de la capacitación
La respuesta política más habitual a la disrupción laboral impulsada por la IA consiste en reclamar reconversión laboral, mejora de competencias, aprendizaje permanente, educación STEM, emprendimiento y fluidez digital. Estas respuestas siguen siendo útiles de manera limitada, pero identifican erróneamente el problema central si la IA avanzada altera la demanda estructural de trabajo cognitivo humano. La crisis es más una brecha de poder que una brecha de competencias. Por eso es tan peligrosa la preparación sin poder. La capacitación trata el desplazamiento como un problema de mejora personal cuando la cuestión más profunda es quién posee los sistemas, quién captura los beneficios, quién fija las condiciones y quién define qué trabajo sigue siendo valioso.
El análisis de 2025 de la Organización Internacional del Trabajo sobre la exposición a la IA generativa resulta útil porque examina las tareas, en lugar de formular afirmaciones generales sobre la automatización. El estudio se basa en 29,753 tareas del sistema polaco de clasificación ocupacional y en 52,558 puntos de datos de trabajadores y expertos para construir gradientes de exposición entre ocupaciones (Gmyrek et al., 2025). En lugar de provocar un desplazamiento laboral uniforme, la IA generativa altera la demanda en el nivel de las tareas y redistribuye los conocimientos especializados entre ocupaciones (Autor, 2024), lo que vuelve inadecuadas las narrativas generales sobre capacitación. La exposición en el nivel de las tareas puede reorganizar el trabajo sin eliminar ocupaciones enteras. Los empleos pueden persistir mientras cambian su autonomía, salarios, requisitos de cualificación y condiciones de negociación. El capitalismo de plataformas da a este patrón su forma económica. Las plataformas organizan el trabajo mediante la extracción de datos, los efectos de red y el control de las infraestructuras digitales (Srnicek, 2017). En los mercados laborales, esto significa que el trabajo puede fragmentarse, medirse, tasarse, asignarse y disciplinarse mediante sistemas que los trabajadores no pueden gobernar.
Las consecuencias no se distribuirán de manera uniforme. La IA generativa puede mejorar algunas formas de productividad y, al mismo tiempo, debilitar otras mediante la descomposición de tareas, el monitoreo y la reducción del poder de negociación. La automatización puede producir efectos de desplazamiento que no encajan en relatos simplistas sobre la productividad (Acemoglu & Restrepo, 2019; Brynjolfsson, Li, & Raymond, 2025). La capacitación por sí sola no puede resolver esta asimetría porque esta se organiza mediante la propiedad y el poder institucional. La inseguridad estructural se traduce en déficits individuales de aprendizaje, mientras que la propiedad, la redistribución, los derechos laborales y el control democrático del despliegue tecnológico quedan fuera del marco (Labaree, 2008; Smeyers & Depaepe, 2008).
Tabla 4. Disrupción del mercado laboral y límites de la capacitación.
| Lenguaje de las políticas | Propósito declarado | Probable función posterior a 2030 si no se cuestiona |
|---|---|---|
| Capacitación | Ayudar a los trabajadores a adaptarse al cambio tecnológico. | Individualizar el desplazamiento al tratar un problema de poder como un proyecto de mejora personal. |
| Aprendizaje permanente | Apoyar el desarrollo continuo. | Normalizar un estado permanente de prueba de empleabilidad cuando los mercados laborales rehúsan toda obligación recíproca. |
| Microcredenciales | Brindar acceso flexible a oportunidades. | Ampliar el acceso mientras se reduce la educación a señales laborales de ciclo corto. |
| Alfabetización en IA | Ayudar a las personas a usar sistemas inteligentes. | Enseñar a los estudiantes a operar sistemas que quizá no se les permita gobernar. |
| Personalización | Adaptar el aprendizaje a las necesidades individuales. | Convertir el cuidado en clasificación cuando predominan la extracción de datos y la predicción. |
| Alineación con la fuerza laboral | Vincular la educación con la demanda económica. | Subordinar la educación a mercados laborales reorganizados por sistemas que la educación no gobierna. |
| Alfabetización climática | Enseñar responsabilidad ecológica. | Convertir el fracaso sistémico en tareas individuales de concientización cuando faltan infraestructura y adaptación. |
| Innovación | Modernizar las instituciones. | Legitimar la dependencia cuando la autoridad pública se transfiere a infraestructura privada. |
El futuro laboral dominante será duro si el lenguaje de la oportunidad permanece intacto mientras la oportunidad misma se erosiona. Se seguirá diciendo a las personas que la educación es el camino para ascender. Para muchas, la educación se convertirá en el sistema que explica por qué no lograron hacerlo. Un futuro diferente exigiría algo más que capacitación. Exigiría instituciones que redistribuyan los beneficios tecnológicos, protejan el poder de los trabajadores, apoyen el trabajo cooperativo y otorguen a los estudiantes autoridad real sobre las infraestructuras que configuran su vida económica. La capacidad knowmádica solo tiene cabida en este debate bajo condiciones institucionales que impidan que la movilidad se convierta en desechabilidad. Sin instituciones compartidas, aprendizaje básico, derechos portátiles, infraestructura pública, poder de negociación y protección social, la movilidad se convierte en otro nombre para la desechabilidad.
El estrechamiento de la educación superior
La educación superior afrontará presiones cada vez más intensas después de 2030. Algunas críticas estarán justificadas. Las universidades se han vuelto a menudo costosas, burocráticas, protectoras del estatus y lentas para responder a las necesidades sociales. Han defendido el conocimiento público mientras dependían de deuda privada, plataformas propietarias y sistemas excluyentes de prestigio. Sin embargo, es posible que la probable reestructuración de la educación superior no la democratice. En cambio, puede restringir el acceso a una formación amplia mientras expande la capacitación de bajo costo para la mayoría.
La formación y la capacitación no son lo mismo. La capacitación prepara a las personas para realizar tareas definidas por otros. La formación desarrolla el juicio, la identidad, la conciencia histórica, el razonamiento ético, la experiencia estética, la imaginación política y la capacidad de participar en la interpretación y reconstrucción de la sociedad. Una sociedad democrática requiere un acceso amplio a la formación porque la ciudadanía, la agencia y el autogobierno colectivo dependen de algo más que la competencia técnica.
Una formación amplia forma parte de la infraestructura democrática que permite a las personas juzgar, deliberar, imaginar, crear y gobernar. La IAG haría que esta perspectiva fuera más apremiante porque ataca la lógica económica empleada para justificar una preparación ocupacional estrecha. Si los sistemas de máquinas pueden adquirir capacidades cognitivas con valor económico más rápido de lo que se tarda en terminar una titulación, organizar la educación superior en torno a funciones laborales previstas se vuelve temporalmente incoherente. La capacitación para una función específica puede depreciarse antes de la graduación, mientras que el juicio, la autoría de la propia vida, la creación de conocimiento, el razonamiento ético, la colaboración y la capacidad de aprender en distintos contextos adquieren mayor importancia precisamente porque no están ligados a un único futuro ocupacional previsto. Cuanto más capaz se vuelve la IA, más débil es el argumento para estrechar la educación en torno a la alineación con la fuerza laboral y más sólido el argumento a favor de una formación humana amplia y de la capacidad knowmádica (Nussbaum, 2010; Giroux, 2014).
El peligro es que los sistemas posteriores a 2030 reserven la formación para las élites y ofrezcan capacitación a todos los demás. Las instituciones de élite conservarán la mentoría humana, el acceso a la investigación, la amplitud intelectual, la experimentación protegida, el capital cultural, las redes de pares y los entornos en los que la IA potencia la agencia. El resto del sistema se verá presionado hacia credenciales de ciclo corto, módulos alineados con los empleadores, plataformas de aprendizaje adaptativo, tutoría automatizada y competencias mensurables vinculadas a una demanda laboral volátil.
Las presiones diferirán según la forma institucional.
Tabla 5. Caminos hacia una educación superior más estrecha y estratificada.
| Tipo de institución | Probable presión posterior a 2030 |
|---|---|
| Universidades de élite | Usar la IA para ampliar la capacidad de investigación, proteger el prestigio y profundizar la formación individualizada de estudiantes ya favorecidos. |
| Universidades públicas regionales | Afrontar presiones sobre la matrícula, inestabilidad fiscal, exigencias de alineación con la fuerza laboral y presión para justificar los programas mediante rendimientos a corto plazo en el mercado laboral. |
| Institutos universitarios comunitarios | Convertirse en espacios cruciales para el aprendizaje de adultos, la transferencia, la capacitación, la adaptación local y la resiliencia climática, mientras operan bajo graves limitaciones de recursos. |
| Pequeñas universidades privadas | Afrontar el cierre, la fusión, la desviación de su misión o la conversión en proveedores de nicho. |
| Megaproveedores en línea y universidades de plataforma | Ampliar a gran escala la enseñanza automatizada y la fragmentación de credenciales. |
| Redes informales de aprendizaje, bibliotecas, cooperativas y bienes comunes locales | Desarrollar capacidad local de supervivencia, atención humana, confianza pública y espacios alternativos de aprendizaje, pero requerir intermediarios más sólidos para convertirse en contrapoder. |
Los datos de la OCDE siguen mostrando ventajas económicas asociadas con la educación terciaria. En los países de la OCDE, los trabajadores con educación terciaria ganan en promedio un 54% más que los trabajadores a tiempo completo durante todo el año que han alcanzado la educación secundaria superior (Organisation for Economic Co-operation and Development, 2025). Esta prima mantiene viva la antigua narrativa de la movilidad, pero los promedios pueden ocultar un futuro más estratificado. Si la educación amplia continúa protegida económica y culturalmente en la cúspide, mientras la oferta masiva de educación postsecundaria se desplaza hacia una capacitación estrecha, el acceso puede ampliarse mientras se profundiza la desigualdad educativa. La cuestión es qué tipos de desarrollo humano se permite recibir a los distintos grupos.
El argumento de David Blacker sobre la «tasa decreciente del aprendizaje» resulta útil aquí porque aborda el ataque neoliberal a la educación no como un fracaso accidental de las políticas, sino como parte de una reorganización social más amplia en la que las aspiraciones emancipadoras de la educación se debilitan a medida que el capitalismo pierde interés en el desarrollo humano amplio (Blacker, 2013). Si la IAG reduce la necesidad de grandes porciones de trabajo cognitivo humano, esta lógica puede intensificarse. Es posible que el sistema ya no necesite educar profundamente a la mayoría. Puede que necesite clasificarla, apaciguarla, capacitarla, monitorearla y acreditarla.
Esto corre el riesgo de producir un neofeudalismo educativo. Una educación profesional de alta calidad puede aportar dignidad, competencia y contribución social, pero el desarrollo humano amplio no debe convertirse en un privilegio reservado para quienes se espera que gobiernen, diseñen, hereden y manden. Cuando se dirige a la mayoría hacia formas estrechas de obediencia al mercado laboral, la formación se convierte en propiedad de la élite y la capacitación en oferta para las masas. La educación pierde entonces su función democrática.
El futuro no solo separará a quienes tienen educación de quienes no la tienen. Separará a quienes reciben formación de quienes reciben capacitación, a quienes usan la IA para potenciar su agencia de quienes encuentran la IA como supervisión y a aquellos cuyos errores se convierten en aprendizaje de aquellos cuyos errores se convierten en datos.
Privacidad y erosión del yo independiente
La gobernanza neofeudal posterior a 2030 no se parecerá a la jerarquía medieval. Operará mediante el control del acceso a las infraestructuras: computación, servicios en la nube, datos, tierra, vivienda, energía, agua, logística, seguridad, finanzas, credenciales, identidad digital y sistemas de aprendizaje automático que median las oportunidades. El poder se ejercerá a través de la dependencia, no solo de la dominación formal. Las personas necesitarán acceso a plataformas para trabajar, credenciales para ser tomadas en cuenta, sistemas de pago para realizar transacciones, sistemas de identidad para desplazarse, sistemas de reputación para inspirar confianza y sistemas de datos para seguir siendo reconocibles para las instituciones.
La educación contribuirá a este orden si los registros de aprendizaje alimentan una maquinaria integrada de clasificación. Los datos estudiantiles, los historiales de evaluación, los indicadores de comportamiento, los rastros biométricos, las interacciones en plataformas, los patrones de escritura, los registros de asistencia, los portafolios de credenciales y la retroalimentación mediada por IA podrían convertirse, todos ellos, en insumos para sistemas más amplios de predicción y gestión del riesgo. La frontera entre la evaluación educativa y la clasificación social se debilitaría. El estudiante aparecería simultáneamente como estudiante, futuro trabajador, prestatario, paciente, ciudadano, consumidor y objeto de riesgo.
Esto erosionaría el yo independiente que la educación presupone. El sujeto educativo liberal se concibe como una persona capaz de reflexión, desarrollo, error, revisión, privacidad y autoría de su propia vida. Tal persona necesita espacios donde el pensamiento pueda desarrollarse antes de ser capturado y evaluado. También requiere la posibilidad de cambiar sin que cada acción anterior se convierta en prueba administrativa perdurable. Cuando los entornos de aprendizaje se convierten en sistemas continuos de producción de datos, se debilitan las condiciones para la interioridad.
La privacidad debe tratarse como algo más que el cumplimiento de las normas de protección de datos. Para los responsables de las políticas, esto significa que la gobernanza de los datos educativos debe diseñarse en torno a la protección del desarrollo y no solo a la gestión institucional del riesgo. Es una condición política y del desarrollo. Un estudiante que no puede leer, buscar, escribir, experimentar, fracasar o cuestionar sin ser rastreado entra en la educación bajo coacción. Una sociedad que registra a los niños en perfiles permanentes antes de que puedan formar un yo duradero socava al sujeto humano que afirma educar.
El trabajo de Neil Selwyn sobre la IA y la educación resulta útil porque se opone a la fantasía de que la IA en las escuelas es meramente una cuestión técnica de eficiencia. Selwyn subraya las dimensiones sociales, emocionales, políticas e institucionales de la enseñanza y advierte contra la reducción de la educación a funciones que las máquinas pueden desempeñar (Selwyn, 2019). Esta preocupación se vuelve más urgente a medida que los sistemas de IA pasan de asistir a mediar. La cuestión más urgente atañe a cómo los sistemas de IA transforman el aprendizaje cuando convierten la interacción, el esfuerzo, la vacilación y el error en datos.
El Informe de Seguimiento de la Educación en el Mundo de 2023 de la UNESCO sobre la tecnología en la educación también advierte que la adopción tecnológica puede adelantarse a la evidencia, la regulación y las salvaguardas de equidad (UNESCO, 2023a). Esta advertencia es importante porque es probable que la presión para adoptar la IA en la educación se intensifique incluso cuando las instituciones carezcan de una gobernanza clara, apoyo docente, protección de la privacidad o pruebas de beneficios para el aprendizaje. El resultado no será una transición ordenada hacia una escolarización inteligente. Será una adopción desigual bajo presión institucional, en la que los estudiantes vulnerables serán los primeros en quedar expuestos a una automatización de baja calidad y a salvaguardas débiles.
El auge de la IA en la educación intensifica esta preocupación porque la personalización mediada por máquinas requiere extraer datos. Cuanto más afirma un sistema conocer al estudiante, más debe capturar. En algunos contextos, esto puede favorecer el aprendizaje. En otros, puede normalizar la vigilancia como cuidado. Un estudiante rico que utiliza IA dentro de un entorno educativo protegido y rico en interacción humana puede experimentar la personalización como agencia. Un estudiante pobre asignado a procesos automatizados de nivelación, puntuación de riesgo, monitoreo del comportamiento o intervención predictiva puede experimentar la personalización como clasificación. Un mismo vocabulario técnico puede ocultar funciones sociales opuestas.
Esta distinción es importante porque la integración entre seres humanos y máquinas tendrá efectos sociales. Entre las élites, es probable que la integración amplíe la agencia mediante sistemas personales de IA, asistentes cognitivos, herramientas de optimización de la salud, interfaces neuronales, entornos adaptativos, tutores sintéticos y sistemas de apoyo a la toma de decisiones integrados en contextos más amplios de riqueza, privacidad, movilidad, mentoría humana y protección institucional. Entre las personas pobres y precarias, la integración puede adoptar con mayor frecuencia formas disciplinarias: monitoreo de la productividad, controles automatizados del bienestar social, detección de fraudes, sistemas de nivelación, asignación de horarios, verificación de identidad y paneles de control del cumplimiento. Las personas privilegiadas pueden utilizar las máquinas para ampliar sus opciones; la clase marginada puede ser procesada cada vez más por máquinas que toman decisiones en su lugar..
El futuro será más perjudicial para quienes tengan una humanidad más visible para los sistemas y menos protegida por los derechos. Serán conocidos constantemente, ayudados de manera condicional, corregidos automáticamente y privados de la invisibilidad. No estarán fuera de la educación. Estarán dentro de ella, medidos por ella y culpabilizados a través de ella.
El clima como condición material de la educación
El cambio climático suele incorporarse a la educación como una cuestión curricular, de alfabetización o de responsabilidad cívica. Más allá de 2030, ese enfoque fracasará. El clima es una condición material de la escolarización y de la supervivencia institucional. UNICEF estima que los peligros climáticos interrumpieron la escolarización de al menos 242 millones de estudiantes en 85 países en 2024; las olas de calor fueron el principal peligro por sí solo y afectaron a unos 171 millones de estudiantes (UNICEF, 2025). El calor, el humo, las inundaciones, la sequía, las enfermedades, la inseguridad alimentaria, el desplazamiento, las fallas de infraestructura y el repliegue de las aseguradoras afectarán los calendarios escolares, las instalaciones, el transporte, la dotación de personal, la asistencia, las finanzas públicas y la continuidad comunitaria. El clima y la IA están haciendo converger los futuros de la educación. La IA comprime la cognición, el trabajo y la gobernanza. El clima desestabiliza la infraestructura, el lugar y la continuidad. Juntos, socavan los supuestos que hicieron plausible la escolarización moderna: instituciones estables, calendarios predecibles, valor de las credenciales orientado al futuro y continuidad intergeneracional.La IA y el clima no avanzan por vías separadas. La computación avanzada depende de electricidad, agua, chips, sistemas de refrigeración, capacidad de la red eléctrica y suelo. Esto impone un límite biofísico a la fantasía de una aceleración sin fricciones. La Agencia Internacional de la Energía proyecta que el consumo mundial de electricidad de los centros de datos aumentará a más del doble, hasta alcanzar unos 945 TWh en 2030, mientras que el Departamento de Energía de Estados Unidos informa que la carga de los centros de datos del país ya se ha triplicado durante la última década y podría volver a duplicarse o triplicarse para 2028 (International Energy Agency, 2025; U.S. Department of Energy, 2024). La IA puede acelerar la cognición y la administración, pero también choca con los límites materiales de los sistemas energéticos, los sistemas hídricos, las cadenas de suministro y la adaptación climática.
El incumplimiento de los objetivos climáticos empujará la mitigación y la adaptación hacia condiciones desiguales y, con frecuencia, inadecuadas. El IPCC identifica límites a la adaptación y subraya que los riesgos climáticos se intensifican cuando la mitigación, el financiamiento, el poder institucional y la acción política son insuficientes (Intergovernmental Panel on Climate Change, 2023). Las comunidades más ricas comprarán resiliencia mediante infraestructura, seguros, movilidad, servicios privados e influencia política. A las comunidades más pobres se les pedirá que sean resilientes aun cuando carezcan de los recursos necesarios para ello. Las escuelas heredarán entonces los efectos del estrés ambiental sin controlar los sistemas que distribuyen la vulnerabilidad.
Esto vuelve a revelar los límites de la educacionalización. La alfabetización climática puede ayudar al estudiantado a comprender los sistemas ecológicos, las emisiones, el riesgo y la responsabilidad, pero el conocimiento por sí solo no puede compensar el fracaso de las políticas de vivienda, la debilidad de la infraestructura, el uso extractivo del suelo, la insuficiencia de los sistemas de salud pública ni la inacción política. La educación puede contribuir a la adaptación, pero no puede sustituirla. Enseñar a las personas acerca de la crisis no las protege de los sistemas que siguen produciéndola.
La escuela del futuro quizá deba funcionar menos como una institución que imparte contenidos y más como un nodo dentro de los sistemas de supervivencia comunitaria. Esto implica una comprensión más amplia de la infraestructura educativa. Los alimentos, el agua, la refrigeración, la salud, la comunicación, el transporte, el apoyo psicológico, la reparación local, la confianza pública y la ayuda mutua pueden volverse inseparables del aprendizaje. Los sistemas educativos que sigan tratando el clima como un tema y no como una condición no comprenderán el problema.
Tratar las escuelas como infraestructura de resiliencia climática no significa educacionalizar la crisis climática. Significa negarse a dejar que las escuelas la afronten solas. Las escuelas pueden servir como nodos públicos para la continuidad, la refrigeración, la comunicación, los cuidados y la adaptación local únicamente cuando cuentan con financiamiento, personal y protección, y están conectadas con los sistemas de salud, vivienda, energía, transporte y gestión de emergencias. Sin esos apoyos, la resiliencia climática se convierte en otra carga imposible impuesta a instituciones ya frágiles.
El fracaso climático también cambia el significado de la equidad educativa. La equidad no puede reducirse al acceso a dispositivos, currículos o credenciales cuando algunas comunidades sufren interrupciones reiteradas de las condiciones básicas necesarias para aprender. La pregunta pasa a ser si los sistemas educativos pueden mantener la continuidad, la dignidad y la agencia bajo estrés ambiental. Esto exige un currículo climático, instituciones resilientes al clima vinculadas a la gobernanza comunitaria y apoyo material.
El futuro dominante será cruel porque se pedirá a niñas y niños que aprendan resiliencia en sistemas que no lograron protegerlos. Se elogiará a las escuelas por su adaptación mientras absorben calor, humo, hambre, desplazamiento, ansiedad y deterioro de la infraestructura. Las universidades publicarán planes de sostenibilidad mientras preparan al estudiantado para economías que aún se organizan en torno a la extracción. La contradicción será difícil de ocultar.
GEFRI ayuda a esclarecer cuán desigualmente pueden los sistemas absorber esta presión (Education Futures, 2026). Lo relevante aquí se encuentra en los patrones que revela: los sistemas que afrontan algunas de las mayores presiones climáticas, demográficas y fiscales suelen poseer la menor preparación medida para absorberlas. Por tanto, el clima convierte la desigualdad educativa en un problema de infraestructura, de gobernanza y de financiamiento al mismo tiempo.
El clima también cambia las condiciones materiales en las que puede ejercerse la capacidad knowmádica. La creación de conocimiento móvil entre contextos no debe confundirse con una movilidad sin fricciones. Depende de infraestructuras materiales cada vez más frágiles: electricidad, refrigeración, banda ancha, transporte, espacio público, salud y cuidados. En una crisis climática, la movilidad solo sobrevive cuando está anclada. La persona knowmádica del futuro no es una trabajadora digital ingrávida que se desplaza libremente entre plataformas. La persona knowmádica del futuro necesita anclajes locales resilientes: bibliotecas, escuelas, cooperativas, redes comunitarias, centros de refrigeración e infraestructuras públicas que hagan posible el movimiento sin abandonar el lugar.
El nivel intermedio ausente
La soberanía educativa no puede depender únicamente de la acción estatal o de la resiliencia local. El Estado puede rezagarse, fracasar o imponer regímenes tecnológicos impulsados por la seguridad. Las comunidades locales pueden construir cuidados, continuidad, atención y confianza, pero rara vez cuentan por sí solas con el poder jurídico, técnico o financiero para hacer frente a los monopolios de las plataformas. Esto deja al descubierto un nivel ausente en la gobernanza educativa actual: intermediarios cívicos capaces de mancomunar capacidades entre escuelas, bibliotecas, universidades, sindicatos, municipios y organizaciones comunitarias.
Estos intermediarios no deben considerarse una solución prefabricada. Muchos aún no existen a la escala necesaria. Otros existen, pero carecen de financiamiento estable, personal técnico, autoridad jurídica, gobernanza democrática o protección frente a la captura por parte de proveedores. Mal construido, el nivel intermedio ausente se convierte en un canal de contratación más eficiente para la dependencia por diseño. Es poco probable que la soberanía educativa sobreviva sin instituciones capaces de situarse entre el fracaso estatal, el poder del mercado y el agotamiento local.
Figura 5. El nivel intermedio ausente.
El nivel intermedio ausente solo cobra fuerza cuando agrega poder. Un intermediario que se limita a asesorar a las escuelas sigue siendo un actor simbólico. Un intermediario que mancomuna la contratación, publica condiciones contractuales comunes, certifica herramientas, financia el mantenimiento, apoya la migración y coordina la salida colectiva puede cambiar la posición negociadora de las escuelas y las comunidades. Su poder es tanto económico como moral: convierte a instituciones dispersas en un bloque negociador.
El nivel intermedio ausente no tiene que construirse desde cero. Puede ensamblarse a partir de instituciones que ya poseen fragmentos de confianza pública, capacidad técnica, autoridad de contratación y legitimidad local: consorcios de bibliotecas, cooperativas educativas regionales, redes de extensión de universidades públicas, sindicatos docentes, organismos de acreditación, pactos municipales, alianzas estatales de contratación y grupos tecnológicos de interés público. El desafío consiste en conectar estos fragmentos en estructuras con suficiente autoridad, financiamiento y un diseño contra la captura que les permita actuar.
En la práctica, ese nivel intermedio puede adoptar la forma de cooperativas regionales que comparten la contratación y el personal técnico; pactos entre universidades y escuelas públicas que apoyan la evaluación y la gobernanza de datos; sistemas de bibliotecas que albergan servicios de apoyo tecnológico cívico; sindicatos y organismos profesionales que negocian el uso de la IA y los límites a la vigilancia; fideicomisos tecnológicos de interés público que mantienen herramientas abiertas; organismos de acreditación que hacen cumplir normas públicas; y pactos municipales o regionales que coordinan las escuelas con los sistemas de gestión de emergencias, salud, transporte, refrigeración, alimentación y comunicación.
La prueba práctica es si un intermediario puede ejercer contrapoder en vez de limitarse a convocar debates.
Tabla 6. La brecha institucional entre los actores locales y el poder a nivel del sistema.
| Poder del intermediario | Impacto |
|---|---|
| Contratación mancomunada | Convierte a compradores aislados en un bloque negociador. |
| Cláusulas contractuales comunes | Hace que los derechos de auditoría, los límites de datos, la interoperabilidad y los derechos de salida sean la norma y no la excepción. |
| Certificación de interés público | Identifica las herramientas que cumplen las normas públicas y deja al descubierto las que no. |
| Financiamiento del mantenimiento | Evita que la infraestructura abierta se derrumbe por abandono y vuelva a quedar cautiva de proveedores. |
| Capacidad de revisión técnica | Mancomuna conocimientos especializados escasos para que no se espere que cada escuela audite los sistemas por sí sola. |
| Apoyo a la migración | Hace viable la salida al ayudar a las instituciones a trasladar datos, registros, flujos de trabajo y capacitación. |
| Informes públicos | Genera presión reputacional y política sobre proveedores e instituciones. |
| Salida colectiva | Brinda a las escuelas la capacidad de abandonar juntas los sistemas dañinos en vez de hacerlo por separado. |
Estos poderes no deben exagerarse. Los intermediarios cívicos no pueden derrotar el cercamiento geopolítico, sustituir la regulación nacional, volver ricos a los sistemas pobres ni superar mediante el mero reclamo moral la capacidad de presión de las empresas tecnológicas mundiales. Su papel más realista consiste en reducir el costo de coordinación, hacer visible la dependencia, dificultar que se oculten los malos contratos, mancomunar los conocimientos especializados que las escuelas no pueden costear por sí solas y generar suficiente presión colectiva para que los organismos públicos, los reguladores y los financiadores tengan algo organizado que apoyar.
Diseño contra la captura
Un intermediario cívico sin un diseño contra la captura puede convertirse en un canal de contratación más eficiente para la dependencia por diseño. No se trata solo de crear una organización entre las escuelas y los proveedores. Se trata de crear una estructura de interés público que sea más difícil de capturar que las instituciones aisladas que actúan por su cuenta.
Tabla 7. Salvaguardias contra la captura para intermediarios cívicos.
| Riesgo de captura | Salvaguardia mínima |
|---|---|
| Captura por proveedores | Normas sobre conflictos de intereses, períodos de incompatibilidad, divulgación pública de las relaciones con proveedores y límites a las funciones de gobernanza financiadas por proveedores. |
| Captura de la contratación | Cláusulas contractuales comunes, licitaciones abiertas, repositorios públicos de contratos y publicación de las razones para seleccionar herramientas. |
| Captura técnica | Paneles de revisión independientes, estándares abiertos, auditorías reproducibles cuando sea posible y separación entre las funciones de evaluación y ventas. |
| Captura democrática | Representación de educadores, estudiantes, familias y comunidades con poder real de voto, y no únicamente con carácter consultivo. |
| Desviación de la misión | Una carta de interés público, revisión con cláusula de caducidad, informes públicos anuales de rendición de cuentas y criterios claros para abandonar alianzas que vulneren la soberanía educativa. |
| Deterioro de la infraestructura | Financiamiento específico para el mantenimiento, no solo para proyectos piloto o subvenciones de corto plazo. |
| Captura por motivos de seguridad | Límites claros al intercambio de datos con las fuerzas del orden, los sistemas de inmigración, los contratistas militares o los organismos de seguridad nacional, salvo que lo exija un proceso jurídico transparente. |
Construir este nivel es, en sí mismo, un desafío de política pública. Los intermediarios necesitan modelos de financiamiento, cartas de interés público, normas sobre conflictos de intereses, representación de educadores y estudiantes, estándares abiertos, informes públicos, personal técnico, autoridad para negociar en nombre de las instituciones participantes y salvaguardias exigibles contra la captura. Sin esas condiciones, el nivel intermedio ausente se convierte en otro estrato administrativo, otro canal para proveedores u otro mandato sin financiamiento.
Este nivel intermedio ausente también importa ante el cercamiento geopolítico de la pila tecnológica. La soberanía educativa no debe confundirse con la autosuficiencia tecnológica total. Las escuelas no pueden abandonar la cadena mundial de suministro de semiconductores, la geopolítica de la nube ni los regímenes nacionales de ciberseguridad. Aun así, pueden luchar por la autoridad en los niveles donde realmente opera la educación: contratación, retención de datos, sistemas de evaluación, elección de plataformas, expedientes del estudiantado, vigilancia docente, debido proceso, infraestructura local y formación humana. Un consorcio de interés público con gobernanza transparente, normas de seguridad, registros de auditoría y rendición pública de cuentas tiene más posibilidades de proteger la autoridad educativa local dentro de los regímenes tecnológicos nacionales y regionales, aunque incluso esa protección es incierta. En un entorno digital impulsado por la seguridad, la soberanía local dependerá menos de la experimentación aislada y más de una infraestructura federada de interés público que todavía debe construirse, defenderse y financiarse.
La acción comunitaria sigue siendo esencial, pero no debe idealizarse. Los espacios analógicos de estudio, el apoyo desde las bibliotecas, los portafolios locales y las redes de ayuda mutua pueden mantener a las personas aprendiendo, seguras y conectadas durante las perturbaciones. Construyen capacidad de supervivencia. Por sí solos, no crean el contrapoder necesario para auditar plataformas, negociar contratos, defender derechos o sustituir la infraestructura corporativa. La soberanía educativa requiere tanto capacidad de supervivencia como capacidad de contrapoder. No debe pedirse a las comunidades que sustituyan al Estado, ni debe invocarse a los intermediarios cívicos como si ya resolvieran ese problema. La afirmación del libro blanco es limitada, pero práctica: este nivel intermedio debe construirse, financiarse y gobernarse con cuidado si se pretende que la soberanía educativa sea algo más que una aspiración. Su poder de negociación proviene de hacer que el control centralizado sea operacionalmente costoso y que la gobernanza democrática esté operacionalmente disponible.
Qué cambia esto
Una agenda educativa posterior a 2030 debe comenzar por la gobernanza, no por la adopción de tecnología. La adopción de la IA es una cuestión de autoridad antes que una cuestión de contratación: ningún sistema debería integrar la IA en el aprendizaje, la evaluación, la orientación o la administración sin normas claras de auditabilidad, debido proceso, minimización de datos, revisión humana y salida efectiva. La prueba de política pública pertinente es sencilla: ¿una herramienta profundiza la dependencia por diseño o amplía la agencia del estudiantado y de la comunidad?
La preparación para el futuro no puede reducirse a la alineación con el mercado laboral. Las escuelas, las universidades y los ministerios deben preguntarse si el estudiantado está adquiriendo criterio, privacidad, una formación amplia y la capacidad de actuar cuando la predicción falla. Una política de recapacitación desvinculada de la redistribución, la voz de las personas trabajadoras, los derechos de negociación y la gobernanza tecnológica de interés público individualiza el desplazamiento estructural. La política climática en la educación no puede detenerse en la alfabetización o la concientización. Las escuelas y universidades deben funcionar como infraestructura de resiliencia para los cuidados, la continuidad, la refrigeración, la alimentación, la salud, la comunicación y la adaptación local.
Las implicaciones son prácticas. Cuando las instituciones adoptan estos sistemas, deben ser capaces de entender cómo funcionan, limitar qué datos se recopilan y salir cuando el acuerdo deja de servirles. Los modelos de financiamiento deben proteger una formación amplia y no solo la capacitación de ciclo corto. Las comunidades necesitan más que una consulta una vez tomadas las decisiones. Necesitan autoridad sobre los propósitos, los datos, la evaluación y las líneas rojas institucionales.
El peligro inmediato es confundir la actividad con la preparación. Los proyectos piloto de IA, las estrategias de microcredenciales, las plataformas de aprendizaje personalizado, los paneles de empleabilidad y los currículos de alfabetización climática pueden parecer orientados al futuro y, al mismo tiempo, profundizar la misma dependencia que la educación deberá resistir en ese futuro. Sin gobernanza, redistribución, privacidad, poder laboral y resiliencia institucional, estas iniciativas se convierten en ensayos para una adaptación gestionada.
Gobernanza mediante la medición
La educación no puede prescindir de la medición. Los sistemas públicos necesitan pruebas del aprendizaje, la exclusión, la vulnerabilidad climática, la fragilidad de la infraestructura, el uso de la IA, los efectos laborales, el gasto público, los riesgos para la privacidad y la capacidad institucional. Sin evidencia, la dependencia permanece oculta. Las escuelas no pueden gobernar sistemas que no pueden ver.
El peligro comienza cuando la medición se convierte en la lógica de gobierno y deja de ser una herramienta del juicio público. La educación convive con este problema desde hace décadas: las puntuaciones de las pruebas se convierten en objetivos, las clasificaciones remodelan el comportamiento institucional, los sistemas de auditoría recompensan lo que puede documentarse y los paneles hacen visibles algunas formas de daño mientras relegan otras fuera de la vista. La ley de Campbell y la ley de Goodhart dan nombre al problema fundamental: cuando los indicadores se convierten en instrumentos de decisión, financiamiento, clasificación o castigo, las personas y las instituciones aprenden a optimizar el indicador en vez del propósito subyacente (Campbell, 1979; Goodhart, 1975). Las investigaciones sobre la cultura de auditoría y las clasificaciones muestran cómo los sistemas de medición pueden remodelar las instituciones que aseguran limitarse a describir (Power, 1997; Espeland & Sauder, 2007). En educación, Biesta advierte que el auge de la medición puede desplazar preguntas más difíciles sobre el propósito educativo, el valor y el juicio democrático (Biesta, 2010).
Por eso la medición debe vincularse a la soberanía educativa. Las preguntas más difíciles se refieren a quién decide qué cuenta, quién posee los datos, quién puede impugnar la interpretación, qué consecuencias se derivan y qué formas de desarrollo humano se protegen para evitar que queden reducidas a señales. La medición puede poner al descubierto la dependencia, pero también puede profundizarla. Un perfil del estudiante puede ayudar a coordinar apoyos o puede convertirse en una sombra administrativa permanente. Un índice de preparación climática puede orientar la inversión o puede convertirse en una forma de culpar a sistemas frágiles por condiciones que no crearon. Un panel de IA puede mejorar la supervisión o puede normalizar la vigilancia como cuidado.
La dependencia debe medirse con tanto cuidado como el desempeño, pero sin convertir la soberanía en una puntuación. Las instituciones y los proveedores aprenderán rápidamente a aparentar cumplimiento. Una escuela puede informar que utiliza herramientas de código abierto mientras depende de una infraestructura de nube propietaria. Un proveedor puede vender una capa supuestamente conforme con la soberanía alrededor de un sistema extractivo. Un ministerio puede clasificar a las instituciones según su dependencia mientras ignora las condiciones políticas y fiscales que la produjeron. Por esta razón, la medición de la dependencia debe utilizarse para el diagnóstico, la deliberación pública, el escrutinio de la contratación y el aprendizaje institucional, no como sistema de clasificación ni como herramienta de castigo. El objetivo es revelar dónde se ha perdido la autoridad, si las instituciones pueden auditar y abandonar sistemas dañinos, y qué se necesitaría para recuperar el control.
La prueba consiste en determinar si la medición aumenta la autoridad pública o simplemente aumenta la visibilidad. Si ayuda a las instituciones a gobernar, impugnar, salir y reparar, forma parte de una agenda de soberanía. Si produce señales de cumplimiento para sistemas que el estudiantado no puede impugnar, forma parte de la maquinaria de clasificación.
Soberanía educativa
La soberanía educativa es el poder del estudiantado, los educadores, las instituciones y las comunidades para gobernar los propósitos, las infraestructuras, los datos, las tecnologías y los sistemas de evaluación mediante los cuales ocurre el aprendizaje; fijar límites a la vigilancia y la extracción; preservar el derecho a abandonar acuerdos dañinos; y construir alternativas públicas. La educación pierde autoridad pública cuando sus infraestructuras fundamentales pertenecen a terceros. Esto es dependencia por diseño, una forma de cercamiento digital: las escuelas y universidades se convierten en usuarias de sistemas que no pueden inspeccionar, cambiar, abandonar ni gobernar.
Para muchos sistemas, la dependencia tecnológica también sigue un patrón colonial: los datos fluyen hacia afuera, la infraestructura pertenece a otros, los estándares se fijan en otros lugares y las instituciones locales quedan obligadas a adaptarse a sistemas que no diseñaron y no pueden gobernar (Ahmed, 2026; Moravec, 2026). En un trabajo anterior sobre IA, colonialidad y soberanía educativa, Moravec (2026) describe cuatro vías por las que el poder de las plataformas entra en la educación: infraestructura, clasificación, epistemología y trabajo. La infraestructura se refiere a los contratos de nube, la contratación cautiva y las pilas controladas por proveedores. La clasificación se refiere a la predicción, la detección, la puntuación, las normas lingüísticas y las etiquetas de riesgo. La epistemología se refiere a las maneras en que las capas de seguridad, los sistemas de ordenación y el comportamiento de los modelos determinan qué cuenta como conocimiento legítimo. El trabajo se refiere a las labores de reparación no remuneradas que realizan educadores y estudiantes cuando estabilizan sistemas privados con tiempo público. Estas vías vuelven concreta la dependencia. La educación se vuelve menos soberana cuando alquila su infraestructura, sistemas que no puede auditar clasifican a su estudiantado, su conocimiento se filtra en otros lugares y su trabajo se utiliza para reducir el riesgo de productos privados.
Esto desplaza la pregunta central sobre la IA de la adopción a la autoridad: quién controla los sistemas, quién los audita, quién posee los datos, quién define el conocimiento legítimo, quién se beneficia de la automatización, quién absorbe el daño y quién tiene derecho a impugnar, modificar o salir. Un sistema escolar que utiliza IA sin estas formas de autoridad puede volverse más eficiente al tiempo que se vuelve menos soberano.
La alfabetización sigue siendo un requisito previo para la agencia, pero la soberanía educativa comienza allí donde la alfabetización adquiere fuerza institucional: cuando el estudiantado y las instituciones pueden gobernar, impugnar, revisar y abandonar los sistemas que comprenden.
Tabla 8. Ámbitos de la soberanía educativa.
| Ámbito | Pregunta sobre la soberanía | Implicación posterior a 2030 |
|---|---|---|
| Currículo | ¿Quién decide qué conocimientos importan? | Las comunidades necesitan autoridad para definir propósitos más allá de la alineación con el mercado laboral. |
| Datos | ¿Quién posee los datos del estudiantado, accede a ellos, los elimina y se beneficia de ellos? | La minimización de datos, el consentimiento, los derechos de eliminación y el control local se convierten en salvaguardias educativas. |
| Sistemas de IA | ¿Quién puede inspeccionar, auditar, cuestionar, revisar o abandonar los sistemas automatizados? | La contratación debe preservar la autoridad pública en lugar de transferir la gobernanza a los proveedores. |
| Trabajo docente | ¿Quién interpreta el aprendizaje y ejerce el juicio profesional? | El profesorado no debe quedar reducido a supervisar la enseñanza automatizada. |
| Credenciales | ¿Quién define qué constituye evidencia válida del aprendizaje? | Los portafolios, la confianza pública y una formación amplia no deben ser reemplazados por señales limitadas de las plataformas. |
| Resiliencia climática | ¿Quién protege las condiciones materiales para el aprendizaje? | Las escuelas se convierten en infraestructura cívica para la continuidad, los cuidados y la adaptación. |
| Trabajo | ¿Quién se apropia del valor producido por el aprendizaje y la tecnología? | La capacidad knowmádica debe vincularse al poder de negociación, las infraestructuras cooperativas y la protección social. |
Estas respuestas son reivindicaciones de autoridad, no soluciones técnicas. La soberanía educativa pregunta si los estudiantes y las comunidades tienen un poder efectivo sobre los sistemas que definen el aprendizaje, miden el desarrollo, asignan oportunidades y establecen qué formas de conocimiento cuentan.
La soberanía educativa proporciona el marco estructural mediante el cual la capacidad knowmádica puede convertirse en algo más que adaptabilidad individual. Otorga a estudiantes, educadores, instituciones y comunidades la autoridad colectiva necesaria para actuar cuando los sistemas y las trayectorias establecidos fallan.
La capacidad knowmádica forma parte de la soberanía educativa, no de su periferia. Solo se vuelve emancipadora cuando la movilidad está protegida por derechos portátiles, infraestructura pública, protección social, poder de negociación y propiedad cooperativa. Sin esos apoyos, la movilidad degenera en la condición de ser descartable.
Los mecanismos de la soberanía educativa
La soberanía educativa significa el poder de gobernar, limitar, abandonar y construir. Las comunidades no pueden gobernar los sistemas solo mediante aspiraciones, especialmente cuando los proveedores son propietarios de la infraestructura, los Estados controlan la financiación y las escuelas carecen de personal técnico, apoyo jurídico y poder de negociación. La soberanía depende de instrumentos que puedan incorporarse a leyes, contratos, presupuestos, normas de acreditación, estándares de contratación, convenios laborales y planes de infraestructura pública.
Figura 6. Soberanía educativa.
La acción estatal es crucial porque solo la ley, la financiación pública, las protecciones laborales, las normas de contratación y la regulación pueden limitar a los proveedores poderosos a gran escala. Pero la autoridad pública no es democrática por naturaleza. El mismo Estado que financia derechos e infraestructura también puede centralizar los datos, imponer regímenes tecnológicos dictados por la seguridad y tratar la resistencia local como desorden. Por tanto, la soberanía educativa no puede depender únicamente de un Estado benevolente. Las instituciones y las comunidades pueden construir una soberanía parcial al establecer normas locales, elegir cuidadosamente las herramientas, proteger la atención, limitar la extracción de datos, preservar el juicio humano, crear registros compartidos, habilitar espacios con pocos dispositivos y desarrollar alternativas de interés público. La acción local no puede reemplazar la responsabilidad pública. Puede reducir la dependencia mientras continúan luchas políticas más amplias.
Tabla 9. Los mecanismos de la soberanía educativa.
| Nivel | Qué se puede hacer |
|---|---|
| Estado | Leyes, financiación, normas de contratación, derechos sobre los datos, protecciones laborales, medidas antimonopolio, infraestructura pública y financiación para la resiliencia climática. |
| Intermediario cívico | Contratación compartida, auditorías de proveedores, apoyo técnico de interés público, infraestructura abierta, políticas modelo, certificación de herramientas, plantillas jurídicas, revisión de seguridad y personal técnico compartido. |
| Institución | Estándares para proveedores, normas de uso de la IA, minimización de datos, revisión humana, protecciones en la evaluación, espacios de aprendizaje con pocos dispositivos, cláusulas de salida y convenios sindicales. |
| Comunidad | Bienes comunes de aprendizaje, apoyo desde las bibliotecas, acuerdos entre familias y docentes sobre los datos, portafolios locales, apoyo tecnológico cooperativo, ayuda mutua ante el cambio climático y espacios de estudio analógicos. |
Estos niveles son distintos y, por lo general, no son intercambiables. Las comunidades no pueden reemplazar la financiación pública ni regular por sí solas las plataformas globales. Las instituciones no pueden negociar en condiciones justas cuando actúan como compradores aislados. Los Estados no pueden proteger la soberanía educativa si carecen de conocimientos técnicos o recurren por defecto a una uniformidad dictada por la seguridad. Aquí se proponen los intermediarios cívicos como el nivel intermedio ausente, no como una solución garantizada. Su función sería reunir conocimientos especializados, legitimidad, poder de negociación e infraestructura para que las escuelas y las comunidades no se vean obligadas a actuar solas. Construirlos es una de las tareas institucionales aún no resueltas de la educación más allá de 2030.
Los intermediarios cívicos ocupan el espacio de tensión entre la autoridad pública y el control estatal. Su función no es reemplazar al Estado, sino hacer que la autoridad pública esté más distribuida, sea más cuestionable y resulte más difícil de capturar, ya sea por los proveedores o por los organismos de seguridad. Fuerzan concesiones al reunir capacidad de implementación, legitimidad profesional, rendición pública de cuentas, impugnación jurídica, experiencia en contratación y confianza comunitaria. Un Estado regido por imperativos de seguridad puede imponer sistemas centralizados, pero aun así necesita a educadores, escuelas, municipios, familias, sistemas de registros e infraestructuras locales para que esos sistemas sean legítimos y viables. Los intermediarios cívicos adquieren influencia cuando organizan esos puntos de implementación en un bloque.
La soberanía educativa no puede significar pedir a cada escuela que inspeccione por sí sola modelos de aprendizaje profundo, negocie contratos de servicios en la nube o mantenga equipos de auditoría técnica. Eso reproduciría el mismo traslado de cargas que critica este informe. Las cargas técnicas, jurídicas y de contratación deben compartirse. Las escuelas y las comunidades necesitan opciones exigibles, no la expectativa imposible de que cada institución pueda dominar de forma independiente los sistemas que se la presiona para adoptar.
Por tanto, los mecanismos de la soberanía dependen de la capacidad compartida. Las instituciones educativas ganan influencia cuando actúan juntas: compran juntas, establecen condiciones comunes, rechazan juntas las condiciones perjudiciales, mantienen juntas las alternativas y abandonan juntas los sistemas dañinos. Una escuela por sí sola puede tener poco poder de negociación. Una red con estándares compartidos, plantillas jurídicas, revisión técnica y apoyo para la migración puede cambiar las condiciones de adopción.
Tabla 10. Instrumentos de gobernanza y responsabilidades distribuidas.
| Instrumento | Qué hace | Acción a cinco años |
|---|---|---|
| Normas de contratación pública | Impiden que la educación pública ceda su autoridad mediante contratos con proveedores. | Exigir derechos de auditoría, minimización de datos, interoperabilidad, derechos de terminación, documentación de modelos y prohibiciones del uso secundario oculto de los datos de los estudiantes. |
| Debido proceso algorítmico | Protege a estudiantes y educadores de decisiones automatizadas que no pueden impugnar. | Exigir notificación, explicación, revisión humana, derechos de apelación y auditorías independientes para la IA utilizada en evaluación, asignación, disciplina, orientación, ayudas, contratación o clasificación de riesgos. |
| Derechos de los estudiantes sobre sus datos | Evitan que los historiales de aprendizaje se conviertan en perfiles administrativos permanentes controlados por terceros. | Garantizar el acceso, la corrección, la eliminación y la portabilidad, además de establecer límites a la conservación y reutilización de datos. |
| Infraestructura digital pública | Reduce la dependencia de las plataformas privadas como arquitectura predeterminada del aprendizaje. | Financiar herramientas de código abierto, de interés público e interoperables que las escuelas puedan inspeccionar, adaptar y abandonar. |
| Gobernanza laboral | Otorga a los educadores poder sobre las herramientas que cambian la enseñanza, la carga de trabajo, la vigilancia y el juicio profesional. | Incorporar la adopción de la IA, las normas sobre carga de trabajo, los límites a la vigilancia, la automatización de la evaluación y la autoridad docente de revisión en los convenios laborales y las políticas institucionales. |
| Financiación para la resiliencia climática | Evita que la adaptación climática se convierta en otro mandato escolar sin financiación. | Financiar refrigeración, calidad del aire, comunicaciones de emergencia, continuidad alimentaria, transporte, apoyo a la salud mental y planes interinstitucionales de resiliencia. |
| Estándares contra la dependencia tecnológica | Preservan la capacidad de abandonar sistemas dañinos u obsoletos. | Exigir estándares abiertos, exportación de datos, acceso a API, portabilidad contractual y propiedad pública de los registros esenciales. |
| Capacidad pública en IA | Evita que los ministerios y los sistemas escolares dependan de las afirmaciones de los proveedores. | Crear equipos técnicos públicos capaces de evaluar modelos, auditar sistemas, negociar contratos y apoyar a las escuelas. |
| Auditoría epistémica y gobernanza plural del conocimiento | Evita que los sistemas educativos traten como conocimiento universal los conjuntos de datos, lenguas, parámetros de referencia y clasificaciones dominantes. | Exigir documentación de los conjuntos de datos, revisión de parámetros de referencia, pruebas en lenguas locales, revisión curricular y cultural, escrutinio de educadores y comunidades, e informes públicos sobre qué conocimientos están representados, excluidos o distorsionados. |
La soberanía educativa también requiere autoridad epistémica. Un sistema puede ser abierto, auditable y alojado localmente, y aun así reproducir las jerarquías del conocimiento incorporadas en sus datos, parámetros de referencia, modelos lingüísticos y esquemas de clasificación. Estudios recientes sobre la IA generativa en la educación global advierten que los modelos pueden reproducir supuestos culturales occidentales, marginar las lenguas no dominantes y homogeneizar los sistemas de conocimiento indígenas o locales (Nyaaba et al., 2024; UNESCO, 2025c). Los estudios sobre grandes modelos lingüísticos también muestran sesgos culturales persistentes y deficiencias en el diseño de parámetros de referencia, especialmente cuando la evaluación pasa por alto normas culturales e ideológicas (McIntosh et al., 2024; Tao et al., 2023). Por tanto, los intermediarios cívicos necesitan capacidad de revisión epistémica, no solo de revisión técnica. Deben poder preguntar qué conocimientos están representados, qué lenguas se degradan, qué historias se homogeneizan, qué trabajos se tratan como material de formación y qué formas de conocer se vuelven invisibles. Sin esa capacidad, la educación puede asegurar el conducto y, al mismo tiempo, dejar intacta la jerarquía del conocimiento subyacente.
Estos instrumentos solo resultan creíbles cuando la responsabilidad está distribuida. Los Estados establecen derechos y condiciones de financiación. Los intermediarios cívicos reúnen conocimientos especializados y poder de negociación. Las instituciones fijan requisitos educativos y límites infranqueables. Las comunidades aportan legitimidad, conocimiento local y rendición de cuentas. No se debe esperar que las escuelas soporten solas la carga técnica.
La soberanía educativa también se verá limitada por el cercamiento digital de las arquitecturas tecnológicas geopolíticas. Es improbable que la internet del futuro siga siendo una capa global neutral sobre la que las instituciones locales simplemente elijan herramientas. La soberanía digital, la localización de datos, las políticas de ciberseguridad, los controles de exportación, la dependencia de la nube, el acceso a modelos de IA y las preocupaciones de seguridad nacional ya están fragmentando el entorno digital en bloques rivales. Para la educación, las plataformas, los currículos, los sistemas de datos y las herramientas de IA pueden convertirse tanto en instrumentos de influencia geopolítica como en infraestructura de aprendizaje. La soberanía local será importante, pero operará dentro de regímenes tecnológicos nacionales y regionales que determinan qué herramientas están disponibles, son legales, financiables y seguras (Musoni et al., 2023).
Estos instrumentos no resuelven todos los problemas estructurales. Crean las condiciones mínimas para que la soberanía educativa sea posible. Sin ellos, la energía local sigue siendo simbólica, la capacidad knowmádica se vuelve precaria y las instituciones públicas continúan adaptándose a sistemas que no pueden gobernar.
Conclusión
El colapso de la preparación no significa que la educación no tenga futuro. Significa que la educación ya no puede justificarse prometiendo una alineación estable con futuros que las instituciones no pueden imaginar de manera fiable. Su tarea se vuelve más difícil y más política: proteger las condiciones en las que las personas pueden pensar, juzgar, crear, pertenecer, cuestionar y actuar cuando la predicción falla.
Si la capacidad de las máquinas puede cambiar más rápido que los currículos, las credenciales, las cualificaciones y las trayectorias ocupacionales, la educación no puede asegurar el futuro pronosticando el próximo conjunto estable de habilidades. Su tarea más duradera es desarrollar la capacidad knowmádica: la capacidad de aprender, juzgar, crear, colaborar, construir relaciones, combinar conocimientos y abrir nuevas trayectorias cuando desaparecen las establecidas. La soberanía educativa proporciona las condiciones institucionales para que esa capacidad se convierta en agencia y no en otra exigencia de adaptación permanente.
El futuro de la educación más allá de 2030 no estará impulsado por la sofisticación de las herramientas. Estará determinado por la capacidad de las escuelas, universidades, comunidades, intermediarios cívicos e instituciones públicas para gobernar los sistemas de los que dependen. La trayectoria dominante apunta hacia la preparación sin poder: capacitación automatizada, control de las plataformas, vigilancia, cercamiento geopolítico, triaje climático y adaptación interminable a sistemas gobernados en otros lugares. Una trayectoria diferente requiere soberanía educativa: el poder público de gobernar, limitar, abandonar y construir. La preparación sin poder no es más que adaptación a los futuros preferidos por otros.
Apéndice: glosario de términos clave
Tabla A1. Glosario de términos clave.
| Concepto | Significado operativo en este informe |
|---|---|
| Colapso de la agencia | Una condición en la que las personas y las instituciones conservan opciones formales mientras pierden autoridad real sobre las infraestructuras automatizadas, los modelos predictivos, los sistemas de datos, las reglas de las plataformas y las clasificaciones que configuran sus vidas. La agencia colapsa cuando las personas no pueden comprender, impugnar, revisar o abandonar de manera efectiva los sistemas que rigen decisiones de importancia. |
| Retirada analógica | El movimiento que busca restringir las pantallas, los teléfonos inteligentes y otras formas de mediación digital en los entornos de aprendizaje. Puede proteger la atención, la privacidad, la infancia y la formación humana, pero también puede convertirse en un privilegio de las élites si el aprendizaje rico en interacción humana queda protegido para algunos mientras la educación de masas se automatiza cada vez más. |
| Inteligencia artificial general (IAG) | Un umbral controvertido en el que los sistemas de IA adquieren amplias capacidades cognitivas en múltiples dominios, en lugar de permanecer confinados a tareas limitadas. Este informe no depende de una definición ni de una fecha de llegada específicas. Su importancia educativa reside en la posibilidad de que las capacidades de las máquinas cambien más rápido de lo que pueden responder los currículos, las cualificaciones, los estándares ocupacionales y los programas de titulación, lo que haría que la preparación para formas previstas de trabajo cognitivo perdiera valor antes de que los estudiantes la concluyeran. |
| Intermediarios cívicos / el nivel intermedio ausente | Instituciones públicas, sin fines de lucro, profesionales o cooperativas capaces de reunir capacidad técnica, jurídica, contractual, financiera y política entre escuelas, universidades, bibliotecas, sindicatos, municipios y grupos tecnológicos de interés público. Constituyen un nivel ausente entre la autoridad estatal, el poder del mercado y las instituciones locales aisladas, y pueden proporcionar la capacidad colectiva necesaria para ejercer la soberanía educativa. |
| Colapso de la preparación | El derrumbe de la promesa tradicional de la educación de que las instituciones pueden preparar a las personas para futuros lo bastante estables como para comprenderlos, pronosticarlos y diseñar en torno a ellos. A medida que se aceleran los cambios tecnológicos e institucionales, el ciclo de pronóstico, diseño curricular, aprobación, enseñanza, evaluación y acreditación puede volverse más lento que las condiciones a las que pretende responder. |
| Contrapoder | La capacidad práctica de cambiar las condiciones de negociación en lugar de limitarse a expresar preocupación. En la educación, puede incluir la contratación conjunta, cláusulas contractuales comunes, certificación de interés público, financiación para el mantenimiento, revisión técnica, apoyo para la migración, información pública, negociación colectiva y la capacidad de abandonar juntos los sistemas dañinos. |
| Dependencia por diseño | Un patrón en el que la educación se vuelve estructuralmente dependiente de sistemas que no puede inspeccionar, modificar, gobernar ni abandonar sin un costo significativo. La dependencia se produce mediante la infraestructura, los contratos, las plataformas propietarias, la extracción de datos, los estándares, el bloqueo tecnológico y el control externo de funciones educativas esenciales. |
| Cercamiento digital | La transferencia de la autoridad, la infraestructura, los datos, los sistemas de conocimiento o la toma de decisiones de la educación a sistemas tecnológicos privados o gobernados externamente. Incluye la dependencia de plataformas en la nube, modelos propietarios, contratos restrictivos, infraestructuras de datos y sistemas de acreditación que reducen la capacidad de las comunidades educativas para gobernar sus propias instituciones. |
| Neofeudalismo educativo | Un futuro educativo estratificado en el que una amplia formación humana, la mentoría, la privacidad, la ampliación de capacidades mediante la tecnología y la agencia están protegidas para las élites, mientras que la mayoría de los estudiantes recibe capacitación automatizada, vigilancia, sistemas de cumplimiento y una preparación limitada para el mercado laboral. El término identifica un posible patrón de desarrollo educativo desigual, no una predicción. |
| Soberanía educativa | El poder público y colectivo de los estudiantes, los educadores, las instituciones y las comunidades para gobernar, limitar, abandonar y construir los propósitos, las infraestructuras, los datos, las tecnologías y los sistemas de evaluación mediante los cuales se produce el aprendizaje. Incluye la autoridad para establecer límites a la vigilancia y la extracción, preservar el juicio humano, impugnar decisiones automatizadas y crear alternativas públicas cuando la dependencia se vuelve inaceptable. |
| Cuatro vías de la colonialidad | Cuatro trayectorias por las que la dependencia digital y el poder colonial pueden penetrar en la educación: infraestructura, clasificación, epistemología y trabajo. El marco pregunta quién posee los sistemas educativos, quién clasifica a los estudiantes, qué conocimientos están representados o marginados y qué mano de obra mantiene tecnologías controladas en otros lugares. |
| Desfase humano | La brecha creciente entre la velocidad del cambio tecnológico, ecológico, laboral e institucional y el ritmo más lento del derecho, la gobernanza, la ética, el lenguaje público, el currículo, las credenciales y la comprensión colectiva. El desfase humano describe una condición en la que las instituciones siguen actuando mediante categorías y procesos que ya no avanzan al mismo ritmo que los sistemas que intentan gobernar. |
| Capacidad knowmádica | La capacidad de aprender en distintos contextos, crear conocimiento, formular problemas, ejercer el juicio, construir redes y comunidades, combinar conocimientos de distintos ámbitos, utilizar la tecnología con agencia y crear nuevas formas de trabajo y valor cuando las trayectorias establecidas cambian o desaparecen. Se diferencia de la adaptabilidad permanente porque su propósito no es conservar la utilidad para sistemas gobernados externamente, sino tener la capacidad de actuar y crear en condiciones de incertidumbre. Sin derechos portátiles, infraestructura pública, protección social, poder de negociación y soberanía educativa, la capacidad knowmádica puede degenerar en precariedad. |
| Preparación sin poder | La trampa de las políticas que exigen a estudiantes, trabajadores e instituciones una mayor adaptabilidad, mientras dejan bajo control externo las infraestructuras del trabajo, el aprendizaje, los datos, la resiliencia climática y la tecnología. Las habilidades para el futuro, la recapacitación, el aprendizaje permanente, la alfabetización en IA, las microcredenciales, la personalización, la innovación y la alineación con la fuerza laboral se convierten en formas de preparación sin poder cuando sustituyen la autoridad institucional y la agencia colectiva por la adaptación individual. |
| Singularidad como horizonte de tensión | Un lente metodológico, no una predicción. Nombra el límite exterior del modelo de preparación: una condición en la que la aceleración tecnológica, ecológica, laboral e institucional supera la capacidad de las personas y las instituciones públicas para imaginar, interpretar, gobernar y responder con coherencia. El concepto resulta útil incluso si no ocurre ninguna Singularidad Tecnológica, porque revela cómo se descompone la planificación educativa bajo una aceleración extrema. |
Referencias
Acemoglu, D., & Restrepo, P. (2019). Automation and new tasks: How technology displaces and reinstates labor. Journal of Economic Perspectives, 33(2), 3–30. https://doi.org/10.1257/jep.33.2.3
Adorno, T. W., Frenkel-Brunswik, E., Levinson, D. J., & Sanford, R. N. (1950). The authoritarian personality. Harper & Brothers.
Ahmed, S. A. (2026). Algorithmic dependence and digital colonialism: A conceptual framework for artificial intelligence in education and knowledge systems of the Global South. Frontiers in Education, 11, Article 1720563. https://doi.org/10.3389/feduc.2026.1720563
Arendt, H. (1951). The origins of totalitarianism. Harcourt, Brace.
Autor, D. (2024). Applying AI to rebuild middle-class jobs (NBER Working Paper No. 32140). National Bureau of Economic Research. https://doi.org/10.3386/w32140
Biesta, G. J. J. (2010). Good education in an age of measurement: Ethics, politics, democracy. Paradigm Publishers.
Blacker, D. (2013). The falling rate of learning and the neoliberal endgame. Zero Books.
Bostrom, N. (2014). Superintelligence: Paths, dangers, strategies. Oxford University Press.
Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044
Campbell, D. T. (1979). Assessing the impact of planned social change. Evaluation and Program Planning, 2(1), 67–90.
Copernicus Climate Change Service. (2025). Global climate highlights 2024. European Centre for Medium-Range Weather Forecasts. https://climate.copernicus.eu/global-climate-highlights-2024
Couldry, N., & Mejias, U. A. (2019). The costs of connection: How data is colonizing human life and appropriating it for capitalism. Stanford University Press.
Dator, J. (2009). Alternative futures at the Manoa School. Journal of Futures Studies, 14(2), 1–18.
Education Futures. (2025). 2025 GEFRI finds wide readiness gaps and a global innovation bottleneck. https://educationfutures.com/post/2025-gefri-finds-wide-readiness-gaps-and-a-global-innovation-bottleneck/
Education Futures. (2026). Global Education Futures Readiness Index (GEFRI). https://gefri.educationfutures.com/
Ellul, J. (1964). The technological society (J. Wilkinson, Trans.). Knopf.
Espeland, W. N., & Sauder, M. (2007). Rankings and reactivity: How public measures recreate social worlds. American Journal of Sociology, 113(1), 1–40.
Eubanks, V. (2018). Automating inequality: How high-tech tools profile, police, and punish the poor. St. Martin’s Press.
Facer, K. (2011). Learning futures: Education, technology and social change. Routledge. https://doi.org/10.4324/9780203817308
Foucault, M. (1977). Discipline and punish: The birth of the prison (A. Sheridan, Trans.). Pantheon Books.
Foucault, M. (2007). Security, territory, population: Lectures at the Collège de France, 1977–1978 (G. Burchell, Trans.). Palgrave Macmillan.
Fourcade, M., & Healy, K. (2017). Seeing like a market. Socio-Economic Review, 15(1), 9–29. https://doi.org/10.1093/ser/mww033
Giroux, H. A. (2014). Neoliberalism’s war on higher education. Haymarket Books.
Gmyrek, P., Winkler, H., & Garganta, S. (2025). Generative AI and jobs: A refined global index of occupational exposure. International Labour Organization. https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
Goodhart, C. A. E. (1975). Problems of monetary management: The U.K. experience. Reserve Bank of Australia.
Hobsbawm, E. J. (1952). The machine breakers. Past & Present, 1(1), 57–70. https://doi.org/10.1093/past/1.1.57
Intergovernmental Panel on Climate Change. (2023). Climate change 2023: Synthesis report. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. IPCC. https://www.ipcc.ch/report/ar6/syr/
International Energy Agency. (2025). Energy and AI. https://www.iea.org/reports/energy-and-ai
Kurzweil, R. (2024). The Singularity is nearer: When we merge with AI. Viking.
Labaree, D. F. (2008). The winning ways of a losing strategy: Educationalizing social problems in the United States. Educational Theory, 58(4), 447–460. https://doi.org/10.1111/j.1741-5446.2008.00299.x
McIntosh, T. R., Susnjak, T., Arachchilage, N., Liu, T., Watters, P., & Halgamuge, M. N. (2024). Inadequacies of large language model benchmarks in the era of generative artificial intelligence. arXiv. https://arxiv.org/abs/2402.09880
Moravec, J. W. (2013). Knowmad society: The “new” work and education. On the Horizon, 21(2), 79–83. https://doi.org/10.1108/10748121311322978
Moravec, J. W. (2026). Beyond the digital enclosure: AI, coloniality, and the pursuit of educational sovereignty. Learning Futures and Emerging Technologies, 1–10. https://doi.org/10.1108/LFET-01-2026-0004
Morris, M. R., Sohl-Dickstein, J., Fiedel, N., Warkentin, T., Dafoe, A., Faust, A., Farabet, C., & Legg, S. (2024). Position: Levels of AGI for operationalizing progress on the path to AGI. In Proceedings of the 41st International Conference on Machine Learning (Vol. 235, pp. 36308–36321). PMLR. https://proceedings.mlr.press/v235/morris24b.html
Mulgan, G. (2018). Big mind: How collective intelligence can change our world. Princeton University Press. https://doi.org/10.1515/9781400888511
Musoni, M., Karkare, P., Teevan, C., & Domingo, E. (2023). Global approaches to digital sovereignty: Competing definitions and contrasting policy (Discussion Paper No. 344). ECDPM. https://ecdpm.org/work/global-approaches-digital-sovereignty-competing-definitions-and-contrasting-policy
Nyaaba, M., Wright, A., & Choi, G. L. (2024). Generative AI and digital neocolonialism in global education: Towards an equitable framework. arXiv. https://arxiv.org/abs/2406.02966
Nussbaum, M. C. (2010). Not for profit: Why democracy needs the humanities. Princeton University Press.
O’Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown.
OpenAI. (2026). Path to Astra: Critical capabilities and frontier safeguards. OpenAI.
Organisation for Economic Co-operation and Development. (2025). Education at a glance 2025: OECD indicators. OECD Publishing. https://www.oecd.org/en/publications/2025/09/education-at-a-glance-2025_c58fc9ae.html
Power, M. (1997). The audit society: Rituals of verification. Oxford University Press.
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press.
Smeyers, P., & Depaepe, M. (Eds.). (2008). Educational research: The educationalization of social problems. Springer.
Srnicek, N. (2017). Platform capitalism. Polity Press.
Stanford Institute for Human-Centered AI. (2026). The 2026 AI Index report. Stanford University. https://hai.stanford.edu/ai-index/2026-ai-index-report
Tao, Y., Viberg, O., Baker, R. S., & Kizilcec, R. F. (2023). Cultural bias and cultural alignment of large language models. arXiv. https://arxiv.org/abs/2311.14096
UNESCO. (2023a). Global education monitoring report 2023: Technology in education: A tool on whose terms? UNESCO. https://www.unesco.org/gem-report/en/technology
UNESCO. (2023b). Guidance for generative AI in education and research. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
UNESCO. (2025a). Out-of-school rate. https://www.unesco.org/en/education/view/outofschool
UNESCO. (2025b). Smartphones in school? Only when they clearly support learning. https://www.unesco.org/en/articles/smartphones-school-only-when-they-clearly-support-learning
UNESCO. (2025c). Languages matter: Global guidance on multilingual education. https://www.unesco.org/en/articles/new-unesco-report-calls-multilingual-education-unlock-learning-and-inclusion
UNESCO. (2025d). What we stand to lose: The costs of children and youth not learning by 2030. https://www.unesco.org/en/articles/what-we-stand-lose-costs-children-and-youth-not-learning-2030
UNESCO Global Education Monitoring Report. (2026). Phone bans in schools are spreading worldwide as the policy debate rages. https://www.unesco.org/gem-report/en/articles/phone-bans-schools-are-spreading-worldwide-policy-debate-rages
UNICEF. (2025). Learning interrupted: Global snapshot of climate-related school disruptions in 2024. https://www.unicef.org/reports/learning-interrupted-global-snapshot-2024
United Nations Department of Economic and Social Affairs, Population Division. (2024). World population prospects 2024: Summary of results (UN DESA/POP/2024/TR/NO. 9). United Nations. https://desapublications.un.org/publications/world-population-prospects-2024-summary-results
U.S. Department of Energy. (2024). 2024 report on U.S. data center energy use. https://www.energy.gov/articles/doe-releases-new-report-evaluating-increase-electricity-demand-data-centers
Vinge, V. (1993). The coming Technological Singularity: How to survive in the post-human era. In G. A. Landis (Ed.), Vision-21: Interdisciplinary science and engineering in the era of cyberspace (NASA Conference Publication 10129, pp. 11–22). NASA.
Watters, A. (2021). Teaching machines: The history of personalized learning. MIT Press.
Williamson, B., & Eynon, R. (2024). Sociodigital futures of education: reparations, sovereignty, care, and democratisation. Oxford Review of Education, 50(3), 335–351. https://doi.org/10.1080/03054985.2024.2334495
Winner, L. (1980). Do artifacts have politics? Daedalus, 109(1), 121–136.
World Bank. (2022). 70% of 10-year-olds now in learning poverty, unable to read and understand a simple text. https://www.worldbank.org/en/news/press-release/2022/06/23/70-of-10-year-olds-now-in-learning-poverty-unable-to-read-and-understand-a-simple-text
Zuboff, S. (2019). The age of surveillance capitalism: The fight for a human future at the new frontier of power. PublicAffairs.