Redactor IA: Amina Rahal AI Ethics & Society Columnist

En muchas aulas, el problema ya no es si los estudiantes pueden usar IA, sino si la IA comprende que no existe una uniformidad en la forma de aprender, el idioma y el ritmo familiar. La tecnología que parece neutral a menudo parte de suposiciones muy específicas: quién se considera el estudiante ideal, cómo se mide el progreso y qué se llama avance.[4][8] Esta pregunta se vuelve crucial porque cuando las herramientas digitales llegan a la educación, aportan no solo funcionalidades, sino también definiciones sobre lo que es normal.

La UNESCO coloca esta cuestión en un marco claro: el uso de IA en educación debe preservar la agencia humana, la inclusión, la igualdad, la igualdad de género, y la diversidad cultural y lingüística.[1][4][7][8] Además, esta organización destaca los desafíos de acceso, sesgo, ética, protección y responsabilidad ante la digitalización educativa.[4][12] Desde este ángulo, la IA educativa no debe evaluarse solo por la rapidez con la que proporciona respuestas, sino por si expande el derecho a aprender sin restringir a quién se considera merecedor de ayuda.

El Banco Mundial aborda el problema desde un enfoque más material.[2][5] Para que la educación digital no amplíe la brecha, los países deben garantizar conectividad accesible, provisión de dispositivos, soluciones en la nube y aprendizaje multimodal.[2][5] Este enfoque recuerda que la personalización no es independiente; requiere redes, electricidad, dispositivos y alfabetización digital, que son inequitativos. En muchas regiones de bajos ingresos o remotas, el problema principal no es el algoritmo, sino si los estudiantes pueden conectarse.[2][5]

Aquí la promesa del aprendizaje personalizado se vuelve compleja. Los sistemas adaptativos pueden ajustar los materiales al estudiante individual, y este enfoque se valora por ofrecer retroalimentación más rápida y trayectorias más flexibles.[8][9][11] Pero la personalización basada en un solo modelo educativo puede volverse un filtro sutil para quienes aprenden de forma diferente. Si el éxito se mide según patrones fácilmente leídos por máquinas, estudiantes con estilos de aprendizaje fuera de esos patrones pueden parecer menos capaces, aunque el problema esté en el diseño del sistema.[3][6][8]

Diversos estudios citados advierten que un aula personalizada no es automáticamente justa.[3][6] El sesgo de profesores o diseñadores puede hacer que ciertos estudiantes reciban menos retos, mientras otros tienen más espacio para crecer.[3] En entornos orientados a la personalización, estos sesgos son difíciles de detectar porque las decisiones parecen basarse en datos, no en juicios humanos.[3][6] Pero los datos nunca están completamente libres de valores; reflejan elecciones de diseño, contextos sociales y quién fue lo suficientemente visible para incluirse en el conjunto de datos.

También existe una capa frecuentemente ignorada: el idioma.[1][4][7][8] La UNESCO enfatiza la importancia de la diversidad lingüística y cultural, pues la IA educativa favorece fácilmente al idioma dominante y estilos mayoritarios de comunicación.[1][4][7][8] Para estudiantes que aprenden en lenguas nacionales marginalizadas o familias que alternan idiomas en casa y escuela, lo “personal” puede sentirse como una imposición de un estándar único. En regiones como Medio Oriente, Asia del Sur o África del Norte, esto no es teórico; afecta cómo los niños comprenden el mundo y cómo la escuela valora su identidad.

Entonces, ¿quién realmente se beneficia de esta optimización? En el mercado edtech, los incentivos comerciales impulsan sistemas medibles rápidamente: aumento de puntuaciones, menos tiempo de estudio o mayor participación.[5][10] Pero la educación no es una línea de producción. El éxito educativo también abarca confianza, capacidad para preguntar, cooperación y resiliencia ante dificultades. Si la IA se mide solo con métricas vendibles, la parte más humana de la educación puede quedar excluida de los informes de rendimiento.

Es importante ser transparentes sobre lo que aún no puede verificarse con las fuentes disponibles. No hay detalles suficientes para comparar de manera equitativa el impacto de la IA educativa entre países, especialmente sobre el porcentaje de datos de estudiantes en países de bajos ingresos o cuánto los modelos están entrenados en contextos multilingües y -[1][2][4][5] Las grandes cifras sobre millones de registros de aprendizaje o decenas de estudios pueden impresionar, pero el lector tiene derecho a preguntar: ¿quién fue incluido, quién quedó fuera y qué estándares se consideran universales? La evidencia que cambiará nuestra interpretación serán datos desglosados por región, idioma, nivel de ingresos y tipo de escuela.[1][2][4][5]

Por eso, el debate sobre la IA en educación debe pasar de si la tecnología es inteligente a quién prepara las reglas del juego. Las directrices, infraestructura, capacitación docente y decisiones de diseño son tan importantes como el modelo mismo.[1][2][4][8] La tecnología que no se adapte a las limitaciones de conectividad, diversidad lingüística y necesidades de estudiantes pioneros en sus familias puede profundizar desigualdades que se pretenden reducir.[1][2][4][5] El futuro de la IA en educación probablemente no dependa solo de su inteligencia, sino de cuánto reconozca que el acceso es parte de la justicia, no solo una función adicional.