La Cumbre ASU GSV reunió a líderes educativos, empresas edtech e investigadores para debatir una de las preguntas más urgentes de nuestro tiempo: ¿cómo está la IA redefiniendo el aprendizaje, la inscripción y el futuro del trabajo? Estos son algunos de los principales temas que surgieron.
1. IA en el aula: de la experimentación a la aplicación práctica
La educación superior enfrenta una realidad demográfica: hay más universidades que estudiantes para llenarlas. Este “precipicio de matrícula”, que lleva más de una década gestándose, está obligando a las instituciones a replantear cómo se comunican con los futuros estudiantes. Hoy, las universidades deben ser explícitas sobre los resultados que los alumnos pueden alcanzar y adaptar su propuesta en consecuencia.
Además, está el fenómeno de la IA en el aula. En los últimos tres o cuatro años, gran parte de la conversación giró en torno a la experimentación, pruebas de concepto y cierta resistencia de profesores y docentes. Eso está cambiando. Hoy ya se ve una adopción más amplia de herramientas de IA en contextos reales, y el caso de uso más extendido es el tutor de IA: prácticamente todos los estudiantes tienen acceso a uno.
Pero esta accesibilidad tiene un doble filo. Los estudiantes siempre buscaron formas de facilitar el aprendizaje, y la IA lleva eso un paso más allá, a veces demasiado. La preocupación recurrente es que se use la IA para evitar el aprendizaje real. El desafío es aprovechar su potencial sin reemplazar el proceso de aprender.
También existe una brecha entre instituciones. Para universidades regionales, la implementación es muy distinta a la de instituciones de élite. Muchas veces, los docentes indican cómo usar IA sin saber integrarla correctamente. La IA debería reducir la dificultad del aprendizaje, no eliminarla. El esfuerzo sigue siendo clave: “sin esfuerzo no hay progreso”.
El objetivo es encontrar un equilibrio que empuje a cada estudiante a su máximo potencial sin perderlo en el proceso. Esto conecta con el concepto de “lucha productiva”, que plantea que el esfuerzo en el aprendizaje no es un problema, sino una característica esencial.
Esta idea incluye:
- Esfuerzo de recuperación (recordar información)
- Profundidad de procesamiento
- Aprendizaje a partir del error
- Generatividad (cómo la experiencia modifica el cerebro)
La preocupación es que la IA esté eliminando justamente estos componentes.
Con IA, a veces se obtienen respuestas antes de merecerlas. No existe una única herramienta capaz de medir completamente el aprendizaje, y muchas veces se olvida el rol humano. La rigurosidad en entornos con IA aún no está resuelta, pero surgen enfoques prácticos, como pedir a los estudiantes que expliquen su razonamiento y usar IA para evaluar esa explicación.
2. La IA está transformando cómo los estudiantes descubren y eligen universidades
La IA también está cambiando cómo los futuros estudiantes buscan y evalúan instituciones. La fase de descubrimiento (qué es adecuado para uno) y la de búsqueda (dónde ir) se están separando, y cada vez más el proceso está liderado por los propios estudiantes.
Aun así, hay momentos clave donde necesitan interacción humana. La oportunidad para las instituciones es diseñar recorridos guiados por IA que conecten a los estudiantes con la información correcta y definan cuándo intervenir con una persona.
Los estudiantes no quieren experiencias abiertas sin guía; buscan caminos claros y clickeables. El traspaso entre IA y humano sigue siendo un desafío.
Los motores de búsqueda con IA funcionan distinto a los tradicionales: dependen más del contenido que generan las instituciones. Por eso, ser visible mediante contenido relevante y de calidad es cada vez más importante.
3. Aprendizaje inmersivo: el caso del XR
En esta era dominada por la IA, resurgen habilidades humanas clave: resiliencia, comunicación y adaptabilidad. Tras años de cambios (pandemia, auge de la IA), estas capacidades son más importantes que nunca.
De cara a 2030–2031, se espera que los empleadores valoren:
- Pensamiento crítico
- Comunicación clara
- Aprendizaje continuo
El enfoque está cada vez más orientado a habilidades blandas: aprender a aprender, pensar críticamente y comunicarse eficazmente. Los estudios humanísticos y la formación laboral no son opuestos, sino complementarios.
Parte del debate se centró en el aprendizaje inmersivo (AR, VR y realidad mixta). Los datos son contundentes:
- 22% más de retención cuando la información está en una narrativa
- 12% de mejora en resultados con VR
- 20% más engagement
En comparaciones controladas, la VR mostró mejor retención, menos distracciones y mayor disfrute.
Sin embargo, se advirtió no exagerar su impacto. La inmersión no depende solo de la tecnología; el problema surge cuando el contenido parece un juego pero no es realmente significativo.
El principio clave: usar tecnología con propósito.
Los mejores casos son aquellos donde la experiencia real es difícil o peligrosa, como simulaciones o reparaciones complejas.
4. IA en investigación: de restricción a facilitador
En investigación, la IA y el cloud computing (incluyendo computación cuántica) cambiaron lo posible. Lo que antes era una limitación ahora es un habilitador.
Un modelo emergente es el de ecosistemas de IA que conectan personas de distintas disciplinas, eliminando la complejidad técnica y permitiendo colaboración más amplia.
La clave está en:
- Asociaciones estratégicas
- Integración con áreas como RRHH y finanzas
- Alfabetización en IA
Las instituciones están desarrollando estas capacidades mediante microcredenciales y proyectos prácticos.
Más leña al fuego de la IA
Los panelistas también señalaron riesgos:
- Perseguir tecnologías “de moda” sin propósito
- Dificultades en la gestión del cambio
- Falta de foco en impacto real
La privacidad y el manejo de datos también son críticos. Se necesitan marcos claros que contemplen diferencias regulatorias y aseguren control sobre los datos.
Por último, una advertencia: el impacto de la IA en cerebros en desarrollo aún no está claro.
La tecnología es una herramienta, y su efecto depende de cómo se use. El mensaje final fue claro: la IA debe servir para conectar personas, porque el aprendizaje real ocurre en interacciones significativas.
