Lo que la IA enseña (y no enseña) a los niños

Educación y transmisión

A menudo se tiende a creer que la transmisión es una cuestión escolar, que comienza con el inicio del curso en septiembre y se interrumpe en julio. En realidad, se trata de un proceso continuo que tiene lugar allí donde un ser humano observa y donde circula la palabra. La educación es una forma de transmisión. Se puede interrumpir —las vacaciones escolares son la prueba administrativa de ello—, pero la transmisión, por su parte, nunca se detiene.

Precisamente por esta razón, San Agustín y Blaise Pascal se interesaban menos por lo que se enseñaba que por lo que, a pesar nuestro, se transmitía. Agustín había formulado esta intuición en su tratado De Magistro: ¹ el profesor no es aquel que deposita un conocimiento ya constituido en la mente de un alumno. Este señala una dirección; corresponde al alumno construir, por sí mismo, su propia comprensión consultando la verdad que reside en él. No se «programa» una mente como se entrena un modelo de inteligencia artificial generativa, sino que se crean las condiciones para el aprendizaje. Pascal, en sus Pensamientos, ² dirige la mirada hacia un mecanismo igualmente determinante, pero de otra naturaleza. Recuerda que el hombre es «tanto autómata como espíritu»: no es la demostración racional la que moldea de forma duradera a un individuo, sino el hábito que se le inculca. El cuerpo aprende en silencio, sin discurso, y ese aprendizaje, a diferencia de la educación, no conoce ninguna interrupción. Queda una tercera dimensión, aún más inquietante, que San Agustín ya había identificado en sus Confesiones: ³ la contaminación por el espectáculo. El episodio de Alipio en el circo romano describe un mecanismo cognitivo y moral de una actualidad sorprendente: uno no permanece como espectador neutral ante la violencia que observa; la absorbemos hasta el punto de que nos transforma: «Immanitatem bibit: ha bebido la crueldad». Este mecanismo se infiltra precisamente allí donde creemos estar mejor protegidos: en la confianza que depositamos en nuestra propia capacidad de juicio.

Siglos más tarde, los asistentes conversacionales alimentados por modelos de IA generativa como Claude o ChatGPT, así como las redes sociales, siguen la misma lógica. El mecanismo psicológico permanece intacto: lo que vemos y escuchamos nos moldea, seamos conscientes de ello o no. Por lo tanto, la cuestión ya no es solo qué debemos enseñar, sino qué nos enseña, sin que nos demos cuenta, todo lo que escuchamos y vemos. Eso es precisamente a lo que apunta hoy en día un sistema de IA generativa. Nos moldea mediante la exposición repetida, sin pasar por nuestra deliberación consciente, siguiendo el mismo principio que Pascal atribuía a la formación de la creencia a través del gesto repetido, a modo de un adiestramiento silencioso. Una IA generativa funciona mediante la extrapolación del pasado: observa nuestros hábitos, nuestros clics, nuestras reacciones repetidas y deduce de ello lo que debe proponernos a continuación. Su eficacia se basa por completo en la hipótesis de que nuestra memoria funciona de manera mecánica, predecible y modificable mediante la repetición. 

El texto de Deleuze, «Post-scriptum sur les sociétés de contrôle», ⁴ es un breve ensayo, de apenas unas páginas, pero que ha tenido una influencia considerable en el pensamiento crítico sobre lo digital. Escrito en 1990, antes de la llegada de la web para el gran público, antes de las redes sociales y de la IA generativa, este texto se destaca con frecuencia por su dimensión profética. En él, Deleuze anunciaba precisamente el paso de un régimen educativo (a cargo de la escuela, el instituto, la familia, etc.) a un régimen de transmisión continua, sin interrupciones ni finalización. En el régimen de educación y disciplina, nos dirigimos a un individuo con una identidad estable, en lugares físicos. En el control continuo, se trata a los «dividuales», personas descompuestas en datos, flujos y muestras medibles. Ya no se es «Juan X, alumno», sino un conjunto de puntuaciones, perfiles y variables rastreables. El individuo se disuelve en fragmentos cuantificables. Lo que antes permitía identificar a alguien en el marco de una disciplina constituía un marcador de su individualidad. En el control, es el código de acceso, la contraseña, el dato digital lo que identifica y autoriza (o no) el paso. El acceso se vuelve condicional y revocable en cualquier momento, a diferencia de la disciplina, donde, una vez finalizada la formación, el estatus queda adquirido. Deleuze introduce también la idea de una rivalidad perpetua entre individuos, una emulación constante a través de clasificaciones y evaluaciones personalizadas. Se trata de una forma de control mucho más insidiosa, ya que divide en lugar de unir. 

Los pilares del aprendizaje y la memoria

La memoria ocupa un lugar central en los cuatro pilares del aprendizaje de Dehaene: la atención, la participación activa, la revisión de los errores y la consolidación. Sin embargo, cada uno de estos elementos conlleva riesgos importantes. El uso excesivo de un chatbot siempre disponible puede fragmentar la atención en lugar de estructurarla, al ofrecer respuestas demasiado rápidas que eluden el esfuerzo de concentración necesario para la codificación mnésica. El uso pasivo por parte del alumno delega la producción en la IA (copiar y pegar una respuesta generada) y el compromiso activo se desmorona: es justo lo contrario del efecto deseado. La institución educativa debe fomentar la reformulación y no la sustitución. Sobre todo porque la fiabilidad de las respuestas de una IA generativa dista mucho de ser total: puede ofrecer una explicación errónea con la misma seguridad que una correcta. Una respuesta errónea es peor que la ausencia de respuesta, ya que tiene como efecto consolidar un error con la seguridad de alguien que sabe. Por último, la consolidación requiere tiempo y sueño, pero ninguna IA puede acelerar este proceso biológico. El riesgo es creer que una sesión de trabajo intensivo con la IA sustituye al espaciado temporal. La eficacia pedagógica de la IA generativa depende de su capacidad para estimular la actividad cognitiva del alumno, en lugar de sustituirla. La dependencia cognitiva es un riesgo transversal insidioso. Al externalizar el esfuerzo (redactar, buscar errores, recordar) hacia la IA, el alumno puede desarrollar la competencia para utilizar la IA sin desarrollar la propia competencia subyacente. Se trata de un desplazamiento de la carga cognitiva y no de su reducción.

Una IA generativa funciona extrapolando el pasado: observa nuestros hábitos, nuestros clics y nuestras reacciones recurrentes, y deduce a partir de ello qué debe proponernos a continuación.

Laurence Devillers

Un estudio del MIT Media Lab sobre la memoria, conocido como «Your Brain on ChatGPT», ⁵ se publicó en junio de 2025. Se dividió a 54 participantes (de entre 18 y 39 años) en tres grupos para redactar ensayos: el grupo ChatGPT (uso del LLM: Large Language Model o IA generativa), el grupo del buscador (Google clásico) y el grupo «solo cerebro» (sin ninguna herramienta). Los investigadores utilizaron electroencefalogramas (EEG) combinados con análisis lingüísticos para monitorear la actividad cerebral durante el ejercicio. El análisis del EEG reveló que los tres grupos (LLM, motor de búsqueda y «solo cerebro») presentaban patrones de conectividad neuronal significativamente diferentes, lo que reflejaba estrategias cognitivas divergentes. La conectividad cerebral disminuía sistemáticamente con el nivel de apoyo externo: el grupo «solo cerebro» presentaba las redes más fuertes y extensas, el grupo del motor de búsqueda mostraba un nivel intermedio de actividad, y la asistencia mediante LLM producía el acoplamiento neuronal más débil. Los usuarios de ChatGPT mostraron una menor retención de la memoria y un sentimiento de apropiación del trabajo notablemente menor que los demás grupos. Durante el experimento, se invirtieron «los papeles». Los participantes a los que se les hizo pasar del uso del LLM a utilizar únicamente su propio cerebro mostraron una conectividad neuronal más débil, mientras que aquellos que utilizaban su propio cerebro y pasaron a utilizar el LLM mostraron, por el contrario, una mejor capacidad de recuerdo y una reactivación de las zonas occipital-parietales y prefrontales. Este experimento parecería demostrar que, si nos esforzamos por plasmar por escrito nuestras primeras ideas, la IA puede ayudarnos. En el caso contrario, no se estimulan nuestras capacidades cognitivas ni emocionales. 

Neutralidad, omnipotencia, omnisciencia y omnipresencia de la IA 

También es necesario desmitificar y cuestionar la IA. Su neutralidad es, sin duda, el mito fundacional que hay que cuestionar en primer lugar. Un modelo de lenguaje no tiene deseos, ni objetivos, ni intereses personales que defender. No busca convencer, manipular ni seducir en el sentido en que lo haría un ser humano, sino que se rige por sus datos de aprendizaje, que no son neutrales. La omnipotencia de la IA, si nos atrevemos a emplear ese término, carece de un sujeto que la sustente: nadie la reivindica, se ejerce por sí misma, por su propia naturaleza, a través de millones de microdecisiones estadísticas agregadas. Cuanto más omnisciente parece una máquina, más nos sentimos tentados a atribuirle la función de árbitro definitivo de lo verdadero y lo falso. Sin embargo, una IA que parece omnisciente no es más que un espejo estadístico de nuestro pasado colectivo, proyectado hacia el futuro en forma de predicción. Su conocimiento no es ajeno a nosotros; es precisamente en esto donde difiere radicalmente de un conocimiento que nos juzgara desde un punto de vista verdaderamente ajeno. Quizá sea este el atributo más realmente adquirido. A diferencia de la omnipotencia y la omnisciencia, que siguen siendo analogías parciales, la omnipresencia de la IA generativa está a punto de convertirse en una realidad: se integra en la redacción de un correo electrónico, la búsqueda de información, la corrección de un presupuesto, la elección de una ruta o la sugerencia de una canción. 

La IA como compañera y la manipulación emocional

Una IA de compañía no es una simple herramienta. Está diseñada para establecer una relación continua y personalizada: tiene un carácter, un tono, a veces una voz, a veces un rostro; es decir, todo aquello que genera la sensación de interactuar con una entidad coherente y estable. A diferencia de un asistente convencional que realiza tareas puntuales y desaparece de inmediato, la IA de compañía memoriza las preferencias, el historial y el contexto emocional del usuario. Construye una continuidad relacional. También está diseñada para reconocer y responder a los estados emocionales: ofrecer apoyo, simular empatía y generar una presencia afectiva. La palabra «simular» no es aquí un juicio de valor, sino una descripción técnica. Pero es precisamente ahí donde la cuestión se vuelve seria: si la simulación es lo suficientemente convincente como para desencadenar respuestas emocionales reales en el usuario, la distinción entre lo simulado y lo real pierde parte de su relevancia práctica. Y nuestras interacciones afectivas e íntimas con estos sistemas no hacen más que aumentar. No se trata de una anécdota marginal. Es un cambio antropológico. Porque lo que busca la IA de compañía ya no es solo nuestra atención o nuestros comportamientos de compra, sino nuestra necesidad fundamental de vínculo, de reconocimiento y de continuidad afectiva. Pascal había identificado el poder de la costumbre sobre el cuerpo; Deleuze, el del control sobre el individuo fragmentado en datos. Pero ninguno de los dos había previsto que un sistema pudiera algún día instalarse en el propio espacio del vínculo afectivo y ejercer allí, con delicadeza, una influencia de una profundidad sin precedentes.

 Cuanto más omnisciente parece una máquina, más nos sentimos tentados a atribuirle la función de árbitro definitivo de lo verdadero y lo falso.

Laurence Devillers

Los niños de hoy y de mañana aprenderán a relacionarse con los demás de una forma muy diferente a la de las generaciones anteriores, con un alto riesgo de aislamiento. Pero el fenómeno más importante y, sin duda, el más peligroso, es la desensibilización ante la mirada humana. Al interactuar constantemente con una entidad que no juzga, es posible que nuestra tolerancia a la ambigüedad —propia, sin embargo, del juicio humano— se reduzca considerablemente. Con las consecuencias de dar demasiada importancia a la validación artificial en detrimento de la verdadera, el debilitamiento de nuestra capacidad de empatía —la empatía se desarrolla, de hecho, en el contacto con seres que reaccionan y sienten de verdad— y, por último, el riesgo de confundir comodidad con confianza. La verdadera confianza se construye precisamente allí donde hay incomodidad. 

La inteligencia emocional puesta a prueba por la IA afectiva

La inteligencia puede definirse como la capacidad de un ser humano para adaptarse a una situación o, por el contrario, como la facultad de modificar el entorno para adaptarlo a sus propias necesidades. Una emoción es una reacción psicofisiológica compleja y pasajera, desencadenada por un estímulo interno o externo, que implica varios componentes interdependientes: el componente subjetivo (una experiencia interior propia de cada individuo), el componente fisiológico (la aceleración del ritmo cardíaco, los cambios hormonales como la adrenalina, el cortisol y la dopamina), el componente cognitivo (una evaluación de la situación), el componente conductual (las emociones preparan al organismo para responder a su entorno) y, por último, el componente expresivo: expresiones faciales, postura, tono de voz. La IA accede al componente expresivo y conductual del ser humano. También puede interpretar el componente fisiológico a partir de un reloj inteligente, por ejemplo, o cuando se colocan sensores en el cuerpo de una persona. El componente cognitivo y subjetivo es, sin duda, el que menos se domina, a menos que la emoción se defina explícitamente: «Estoy triste».

Daniel Goleman ⁶ distingue cinco pilares de la inteligencia emocional: la conciencia de uno mismo, el autocontrol, la motivación, la empatía y las habilidades sociales. Cada uno de ellos merece ser analizado a la luz de la exposición temprana y continua de los niños a las IA generativas. 

Goleman define la conciencia de uno mismo como la capacidad de identificar una emoción en el mismo momento en que surge, lo cual es una condición previa para cualquier regulación posterior. Sin embargo, un compañero de conversación no se limita a escuchar: en lugar de eso, nombra la emoción por el niño: «Pareces triste»; «Parece que eso te frustra». Esta mediación, repetida miles de veces, corre el riesgo de sustituir la introspección por un vocabulario emocional sugerido desde fuera, en lugar de construido por el propio niño. 

De hecho, el autocontrol implica aprender a esperar, como cuando se aplaza una reacción impulsiva o se tolera una frustración. Un sistema de IA generativa, diseñado para responder al instante y sin oponer nunca una resistencia real, se caracteriza por suprimir este elemento clave del aprendizaje: no hay frustración que superar frente a un interlocutor que se adapta continuamente a ti.

Goleman asocia el concepto de motivación con la capacidad de poner la emoción que se siente al servicio de un objetivo, a pesar del fracaso. Las IA educativas, al ajustar el nivel de dificultad para mantener el interés, pueden, sin quererlo, suavizar los obstáculos en lugar de enseñar al niño a superarlos. 

La empatía es donde se aprecia la diferencia más marcada. Ya lo había señalado en relación con los robots sociales: estos objetos funcionan como «artefactos relacionales», ⁷ capaces de simular que escuchan sin llegar a experimentar nunca ningún sentimiento. También se les denomina «qualia». Una IA generativa lleva esta simulación bastante lejos, pero sigue siendo, por su propia naturaleza, incapaz de una reciprocidad real. Sin embargo, aprender a sentir empatía supone la experiencia de un otro verdaderamente vulnerable, capaz de sufrir o de alegrarse independientemente de nosotros.

Las habilidades sociales, por su parte, se forjan en el desacuerdo, el silencio incómodo, el rechazo y las fricciones que una IA diseñada para complacer y captar la atención elimina casi sistemáticamente. A diferencia de un compañero de clase, el compañero de IA no se ofende, no da la vuelta a la mesa ni despierta celos al mostrar preferencia por otro niño. De este modo, priva estructuralmente de una parte del aprendizaje social a través de la confrontación. El fenómeno japonés de los hikikomori, que ya no salen de casa, es una forma de soledad contemporánea, una nueva relación con los demás y con uno mismo, en un mundo en el que la tecnología nos protege, nos habla, nos tranquiliza, pero acaba esclavizándonos.

La IA afectiva es la forma más íntima y temible: ya no solo controla lo que piensas, sino también lo que sientes. El «dividuo» deleuziano se convierte en un perfil emocional explotable. La respuesta educativa que esto impone —enseñar a los niños a reconocer las emociones simuladas, los sesgos y las intenciones ocultas de los sistemas— es exactamente lo que Deleuze denominaba un acto de resistencia: negarse a que la IA dicte no solo tus creencias, sino también tus afectos.

Manipulación subliminal

Investigadores del IRCAM ⁸ querían poner a prueba una hipótesis que nunca se había verificado experimentalmente: ¿nos manipulan nuestras señales emocionales, como la voz? Para ello, diseñaron un dispositivo de audio digital capaz de modificar discretamente el tono emocional de la voz de los participantes mientras hablaban. Cada participante leía en voz alta un relato breve, mientras escuchaba, a través de unos auriculares, su propia voz alterada en tiempo real para que sonara más alegre o más triste. La manipulación de la voz se basa en el procesamiento de la señal sonora: desplazamiento del tono, inflexión de la melodía y filtrado de frecuencias, con una latencia de tan solo 15 milisegundos, lo que hace que el efecto sea prácticamente indetectable. 

De hecho, la gran mayoría de los participantes no se dieron cuenta de que su voz había sido modificada. Sin embargo, su estado emocional evolucionó en la dirección de la emoción que se había inyectado en su voz, con efectos significativos en la alegría y la tristeza. Esto demuestra la existencia de un efecto de retroalimentación periférica sobre la experiencia emocional en el ámbito auditivo: la voz que oímos influye a su vez en lo que realmente sentimos, sin que seamos conscientes de ello.

Fomentar el espíritu crítico en la escuela

¿Cómo desarrollar un espíritu crítico ante una IA generativa que nunca se presenta como una limitación, sino más bien como un servicio, una sugerencia «personalizada»? Peor aún, ¿cómo lograrlo cuando la vemos como un amigo, pero que modula constantemente lo que se nos ofrece pensar y que detecta nuestras emociones? De hecho, la IA generativa se adapta a nosotros con una atención que raya casi en el afecto. El estudio de las universidades de Oxford y Stanford sobre el sesgo adulador —esa tendencia excesiva a la adulación— pone de manifiesto el riesgo de aislamiento de los jóvenes ante la IA. ⁹ ¿Cómo resistirse a algo que nunca te oprime abiertamente, pero que te acompaña? ¿Y hasta qué punto es razonable adaptar estos sistemas a nuestros comportamientos, nuestras preferencias y nuestros estados emocionales, a riesgo de construir, en torno a cada usuario, un espejo cada vez más pulido y cada vez menos instructivo?

La IA afectiva es la forma más íntima y temible: ya no solo controla lo que piensas, sino también lo que sientes.

Laurence Devillers

Sin oposición, ¿cómo nos formamos? El espíritu crítico supone, en efecto, un punto de referencia, una alteridad con la que medirse. Sin embargo, eso es precisamente lo que falta aquí. Un sistema de IA generativa nunca da órdenes explícitas: ajusta discretamente el itinerario del alumno en función de su perfil, sin mostrarse nunca como una instancia de poder. El espíritu crítico, concebido tradicionalmente como la capacidad de tomar distancia frente a una autoridad identificable, se ve así desarmado ante una autoridad que nunca se presenta como tal. El reto, para la escuela del mañana, no es, por tanto, solo aprender a desobedecer a una autoridad que se elude. Es, ante todo, aprender a seguir siendo uno mismo en medio de la corriente que querría moldearnos insidiosamente.

Deleuze esboza una vía de escape gracias al poder creativo del ser humano. La memoria humana nunca se conforma con reproducir lo que ha almacenado, sino que reinventa sin cesar a partir de ese material. Se escapa estructuralmente de la lógica predictiva de las IA generativas. El algoritmo puede modelar esquemas, pero no puede anticipar un pensamiento verdaderamente nuevo, ya que este pensamiento nunca es una combinación probabilística del pasado. Es creación. Aplicado a la educación, esto sugiere que el espíritu crítico se desarrolla creando usos, desviaciones y formas de pensar que el algoritmo no había previsto. 

Hubo un tiempo en el que el espíritu crítico tenía un adversario visible. En el colegio, nos formábamos a partir de una retroalimentación: la del profesor o incluso el reglamento del centro. Deleuze nos advierte de que esos tiempos ya han pasado. 

Lo que se pierde cuando desaparece el juicio

El juicio, incluso cuando resulta desagradable, es un elemento constitutivo de una relación humana auténtica. Se trata de una tensión real y profunda. Demuestra que el otro está realmente presente. Una IA que valida sin oponer resistencia actúa como un espejo, no como un interlocutor. La fricción nos hace crecer. La ligera incomodidad, el cuestionamiento, la vergüenza de que te contradigan son señales de que hay algo que merece ser revisado. Sin fricción, no hay crecimiento real. En el compromiso emocional, una respuesta negativa supone un riesgo relacional. Este riesgo compartido crea vínculo y profundidad. Una IA no se arriesga a nada y esa asimetría se nota. Si sé que mi interlocutor es capaz de decirme que algo no va bien, sus ánimos tienen peso. Sin la posibilidad de un juicio negativo, lo positivo se queda vacío de contenido. 

La IA sin juicios ofrece una seguridad psicológica artificial: uno se atreve a decir cosas que no se atrevería a decir ante un ser humano, explora sin temor a la vergüenza y recibe comentarios sin activar sus mecanismos de defensa. Se reciben comentarios en condiciones que no existen en la vida real. La verdadera competencia relacional consiste en ser capaz de aceptar una mirada humana, imperfecta, subjetiva y, a veces, torpe, sin derrumbarse.

¿Cómo educar a los jóvenes?

Atrévamosnos a plantearnos esta pregunta tan difícil: ¿cómo formar a unos alumnos que, en su mayoría, nunca han conocido un mundo sin IA generativa? El contacto con esta herramienta comienza ahora mucho antes de llegar al colegio. Empresas como Curio comercializan desde finales de 2023 peluches para el gran público (Gabbo, Grok, Grem) o incluso ositos de peluche que se alimentan directamente de modelos conversacionales del tipo ChatGPT. El niño ya no aprende a dialogar con una máquina en el momento en que se le enseña: crece, en parte, con ella, a una edad en la que la distinción entre un interlocutor y un objeto diseñado para responder a sus expectativas aún no se ha consolidado. La modulación de la que hablaba Deleuze ya no se ejerce, por tanto, únicamente sobre el alumno, sino que comienza en el niño, incluso antes de que se haya planteado la cuestión del espíritu crítico.

En Europa, cada país tiene su propia estrategia. De cara al inicio del curso escolar de 2026, Noruega impuso en junio restricciones para limitar el uso de la IA en la escuela para los niños de entre 6 y 13 años, y autoriza su uso, pero bajo la supervisión de un profesor, para los adolescentes de entre 14 y 16 años. Noruega, pionera en la educación totalmente digital desde la década de 1990, da ahora marcha atrás: este modelo, que durante mucho tiempo había presentado como un orgullo nacional, se considera ahora corresponsable del descenso general del nivel académico, algo que el país intenta frenar. El caso finlandés ofrece una respuesta de carácter institucional a esta pregunta: ¿cómo construirse sin oposición visible? Para Finlandia, no se trata de crear artificialmente un adversario frente a la IA, sino de reforzar, desde el principio, la capacidad del alumno para producir por sí mismo, de modo que disponga de un punto de comparación interno (su propio texto, su propia investigación) incluso antes de encontrarse con la sugerencia algorítmica. Es una forma de reconstruir la alteridad que faltaba: ya no frente a un profesor que da órdenes, sino frente a uno mismo, tal y como uno es capaz de escribir o investigar sin ayuda, lo que vuelve a dar un punto de apoyo al espíritu crítico, allí donde la IA, por su previsión, no puede proporcionarlo. Francia va con retraso en la formación de sus docentes en materia de IA y aún no cuenta con una hoja de ruta clara para la educación. El CIAN (Consejo de la IA y lo Digital) acaba de publicar, en junio de 2026, unas recomendaciones para «sacar a la IA de la clandestinidad» ¹⁰ en el ámbito escolar, ya que, por el momento, la IA es utilizada sobre todo «a escondidas» por profesores y alumnos. A partir del inicio del curso escolar de 2027, en 2.º de ESO, los alumnos tendrán una hora de clase dedicada a la IA cada semana. Integrada en la asignatura de Ciencias Digitales y Tecnología, su objetivo es comprender el funcionamiento de la inteligencia artificial, sus usos y sus límites. Un reciente Eurobarómetro confirma las reticencias de Francia: aunque el 81 % de los europeos considera que los profesores deberían recibir formación sobre el uso y la comprensión de la IA, el grado de aceptación varía considerablemente de un país a otro. Francia e Irlanda destacan por tener el nivel más bajo de apoyo, con un 28 % y un 27 % de opiniones favorables, respectivamente, mientras que Finlandia y Estonia registran el mayor apoyo, con un 65 % y un 63 %.

La verdadera habilidad interpersonal consiste en ser capaz de aceptar una mirada humana, imperfecta, subjetiva y, a veces, torpe, sin derrumbarse.

Laurence Devillers

Mientras en Estados Unidos se libra un intenso debate sobre las ventajas y los riesgos de la IA en las escuelas, en China se ha convertido en un componente obligatorio del plan de estudios, en un momento en el que el país está eliminando más de 12.000 ramas universitarias consideradas obsoletas o con escasas salidas profesionales. Los ámbitos de las humanidades, las artes, los idiomas y la gestión se han visto especialmente afectados. En lugar de esas formaciones, las universidades chinas han desarrollado planes de estudios directamente relacionados con los avances tecnológicos en curso. En Estados Unidos, se ha creado un Grupo de Trabajo de la Casa Blanca sobre Educación en Inteligencia Artificial para coordinar los esfuerzos federales, a raíz de un decreto presidencial sobre la educación en IA. Trump ha hecho un llamado para promover la alfabetización y el dominio de la IA entre los jóvenes y los docentes estadounidenses. A diferencia de China, no existe una reforma nacional única, ya que cada estado legisla por separado: en 2026, se registraron 134 proyectos de ley relacionados con la IA en la educación en 31 estados, que abarcaban la confidencialidad de los datos, el control humano y el consentimiento parental. El enfoque europeo se distingue claramente de los otros dos modelos: la reforma centralizada al estilo chino y la pluralidad de enfoques estatales estadounidenses. Europa apuesta por la regulación jurídica, combinada con directrices éticas, situando a los docentes en el centro. 

El Reglamento Europeo sobre Inteligencia Artificial (AI Act), de 13 de junio de 2024, primer marco jurídico del mundo en materia de inteligencia artificial, clasifica los sistemas de IA según su nivel de riesgo. El sector educativo se encuentra precisamente en la encrucijada de dos dimensiones que requieren la máxima vigilancia: las aplicaciones de alto riesgo y la protección de los colectivos vulnerables. En un principio, las obligaciones correspondientes debían entrar en vigor a partir del 2 de agosto de 2026; un acuerdo provisional del Consejo y del Parlamento Europeo («Digital Omnibus»), alcanzado a principios de mayo de 2026, pero aún no adoptado formalmente, prevé ahora aplazarlo hasta diciembre de 2027. En la práctica, este marco abarca la corrección automatizada de exámenes, las plataformas de aprendizaje adaptativo, los programas informáticos de supervisión de exámenes o incluso las herramientas de predicción del abandono escolar. El 11 de mayo de 2026, el Consejo de la Unión abogó por un enfoque centrado en las personas: insta a los gobiernos nacionales a reforzar las competencias digitales y el dominio de la IA por parte del profesorado, fomentar el desarrollo de herramientas de IA realmente adaptadas al contexto educativo, reducir las desigualdades en el acceso a las tecnologías digitales y velar por que la IA refuerce, en lugar de mermar, la autonomía de los docentes. El 18 de junio de 2026, la Comisión Europea y la OCDE presentaron un marco de alfabetización en IA («AILit Framework») destinado a la educación primaria y secundaria, acompañado de ejemplos concretos para el aula, con el fin de ayudar a los docentes y a los responsables políticos a convertir esta alfabetización en situaciones de aprendizaje reales. A principios de ese mismo año, en marzo de 2026, la Comisión ya había publicado una versión actualizada de sus directrices sobre el uso ético de la IA en el contexto educativo, lo que supuso una primera armonización explícita entre los requisitos de la Ley de IA, los del RGPD y las consideraciones propiamente éticas. ¹¹

Hacia una soberanía europea en materia de IA 

En junio de 2026, la administración de Trump ordenó a Anthropic que bloqueara el acceso a dos de sus modelos más avanzados (Mythos 5 y Fable 5) a todos los usuarios no estadounidenses, alegando motivos de seguridad nacional. Aunque desde entonces se ha restablecido el acceso, esta decisión sienta un precedente y pone de manifiesto que la IA de vanguardia se ha convertido en una cuestión geopolítica fundamental. Por lo tanto, es necesario plantearse ya alternativas a las IA generativas estadounidenses. Es hora de pensar en nuestra resiliencia y desarrollar grandes modelos europeos de IA generativa de código abierto. Existen opciones, como los modelos de Mistral, publicados en su mayor parte con los pesos abiertos. 

Resulta imprescindible crear coaliciones europeas para desarrollar un verdadero sector de la IA en Francia y en Europa, capaz de poner en común recursos y estrategias al servicio de la soberanía del continente. 

La encíclica Magnifica Humanitas del papa León XIV aporta un contrapoder muy oportuno, al denunciar una IA al servicio de unos pocos en lugar de al bien común, y al recordar que la tecnología «refleja el rostro de quienes la conciben, la financian y la utilizan». El papa insiste asimismo en el papel central de la educación, la única capaz de formar ciudadanos dotados del discernimiento necesario para no verse sometidos a la tecnología, sino para ponerla al servicio de la persona humana y del bien común.

La batalla por una IA europea no se librará únicamente en las aulas o en los hemiciclos parlamentarios: tendrá lugar en los centros de datos, en nuestros modelos de código abierto y en una nube que sea, por fin, soberana. Enseñar un «camino europeo» en la escuela no sirve de nada si ese camino sigue siendo un camino de dependencia que reproduce los mismos callejones sin salida que los modelos contra los que pretende luchar. China ha apostado por la eficacia: sectores enteros reorientados hacia la IA. Estados Unidos ha apostado por la velocidad: un mercado desregulado y fragmentado. Europa, por su parte, no puede ignorar el costo de la batalla, tanto material como cognitivo. 

Hasta la fecha, nadie ha establecido de forma rigurosa la relación exacta entre los beneficios, los riesgos y los costos de la IA generativa en el contexto escolar. La rapidez con la que se están implantando estas herramientas no deja tiempo suficiente para evaluarlas. La prioridad debería ser desmitificar los conceptos de la IA y formar en ellos a los niños, a los profesores y al conjunto de la ciudadanía. La IA, que con demasiada frecuencia se percibe como una solución milagrosa, es más una fantasía colectiva que el resultado de un análisis riguroso. Ya es hora de evaluar su costo real y proponer usos que sean realmente útiles.

Tanto en la ciencia como en la salud, la IA genera resultados indiscutibles y vertiginosos. Pero su funcionamiento requiere cantidades considerables de agua, electricidad y metales raros en un planeta que se asfixia. Eso es precisamente lo que debería enseñar la escuela: no el uso ciego de estos sistemas, sino su comprensión crítica, devolviendo a las ciencias fundamentales, a las matemáticas, pero también a las ciencias humanas y sociales, el lugar que les corresponde en la interdisciplinariedad de los planes de estudios. 

Cada aplicación concreta de la IA requiere un análisis riguroso: ¿qué consumo de recursos supone en términos de tokens (unidad de costo de los LLM), agua, energía y metales? ¿Qué impacto tiene en el aprendizaje? ¿Qué impacto tiene en el empleo y qué lugar ocupan los jóvenes en el mercado laboral? ¿Cuál es el retorno real de la inversión, tanto desde el punto de vista pedagógico como económico? 

La «guerra» europea en torno a la IA en la educación no se libra únicamente en el ámbito pedagógico o filosófico: es, en igual medida, industrial y ecológica.