Los sistemas educativos de todo el mundo están integrando la inteligencia artificial más rápido que los marcos normativos necesarios para orientarlos.
La implementación exitosa depende menos del acceso técnico y más de si la capacidad humana local está preparada.
Jóvenes líderes de cinco países diversos están poniendo de manifiesto señales clave para un cambio institucional y normativo significativo.
La IA está llegando a las aulas más rápido de lo que muchos sistemas educativos pueden decidir si están preparados para ella o cómo debe utilizarse. La cuestión ya no es si la tecnología existe. Lo que importa es si las escuelas y las instituciones pueden utilizarla de maneras que amplíen las oportunidades en lugar de profundizar la desigualdad.
La urgencia es real. La guía de la UNESCO sobre la IA generativa en la educación y la investigación advierte de que la tecnología avanza más rápido que los marcos normativos y regulatorios destinados a orientarla. El Foro Económico Mundial también ha subrayado la presión que ya enfrentan los sistemas educativos, desde una escasez mundial de 44 millones de docentes hasta el acceso desigual a la tecnología digital. En conjunto, estas fuerzas convierten la IA en la educación en una cuestión no solo de innovación, sino también de si las oportunidades se amplían o se reducen a medida que los sistemas se adaptan.
En Estados Unidos, Kenia, China, los Emiratos Árabes Unidos y Suiza, los jóvenes líderes están viendo la misma transición desarrollarse de formas muy distintas. Sus experiencias apuntan a una lección compartida: la IA en la educación puede ser global, pero sus desafíos reales siguen siendo profundamente locales.
Una transición global, percibida localmente
A menudo se habla de la IA como si el principal problema fuera el acceso a herramientas e infraestructuras. En la práctica, lo que realmente importa es si los sistemas locales pueden asimilar y orientar esas herramientas de maneras que se ajusten a las realidades locales. El resultado puede ser muy distinto según la infraestructura, la cultura, la confianza pública y la capacidad normativa.
Kenia lo ilustra especialmente bien. Allí, el desafío no es solo si existen herramientas de IA, sino si pueden llegar a comunidades desatendidas de forma sostenible y asequible. En este contexto, la líder local Phylis Atieno trabaja a través de Technovation, una iniciativa dirigida por jóvenes que demuestra cómo el liderazgo juvenil convierte la alfabetización en IA en algo práctico y local. Entre 2021 y 2025, llegaron a más de 300 niñas de cuatro comunidades marginadas de Nairobi, apoyando a 60 equipos en la creación de 60 aplicaciones orientadas a la comunidad para la formación en programación. Muestra cómo el aprendizaje relacionado con la IA puede vincularse a problemas reales, a la confianza y al impacto comunitario.
El mismo punto se manifiesta de forma diferente en otros lugares. En Estados Unidos, el problema es menos el acceso básico que una implementación desigual. En los Emiratos Árabes Unidos, la cuestión es cómo traducir la ambición nacional de innovación en un uso cotidiano y de confianza. En China, la escala genera una presión distinta: no se trata de si el sistema incorporará la IA, sino de la rapidez con la que el currículo, la enseñanza y la evaluación pueden evolucionar a la par.
El verdadero cuello de botella no es la herramienta, sino la preparación
Si hay un desafío que atraviesa los cinco contextos, es este: la mayor barrera a menudo no es técnica. Es humana.
Los docentes son el puente entre los sistemas de IA y el aprendizaje real. Si los educadores no disponen del tiempo, la formación y el apoyo necesarios para utilizar la IA de forma significativa, incluso las herramientas más prometedoras pueden resultar infructuosas en la práctica. El verdadero cuello de botella no es la herramienta en sí, sino si las escuelas y los docentes están realmente preparados.
Esta preocupación se manifiesta de forma distinta según el país. En Estados Unidos, donde la experimentación avanza con rapidez, el problema suele ser el escaso apoyo a la implementación. En Kenia, la escasez de docentes y la desigualdad de infraestructuras hacen de la preparación un desafío estructural. En los Emiratos Árabes Unidos, una de las lecciones más claras es que la adopción exitosa depende de si las personas son incluidas genuinamente en el proceso: si los docentes, las instituciones y las comunidades comprenden por qué se produce el cambio, qué está en juego para ellos y cómo sus intereses forman parte del diseño. Cuando las personas no son incluidas de manera significativa, es menos probable que confíen en el sistema, se preocupen por el resultado o contribuyan a su éxito.
Por eso, los debates globales deben ir más allá del lenguaje de la adopción y adentrarse en el lenguaje de la capacidad.
La política y la evaluación determinarán si la transición resulta significativa
Si la preparación es el cuello de botella, la política es lo que determina si los sistemas pueden responder a gran escala.
La adopción de la IA solo resulta significativa cuando la política ayuda a alinear el currículo, la preparación docente, la rendición de cuentas, la seguridad y los objetivos educativos a largo plazo. Sin esa alineación, la innovación puede avanzar más rápido de lo que las instituciones pueden asimilarla.
Aquí es donde la comparación de cinco países resulta especialmente útil. En Suiza, el énfasis recae en la privacidad, la calidad y la fiabilidad del sistema. En Estados Unidos, el problema suele ser la brecha entre la experimentación rápida y una supervisión más lenta. En Kenia, la política es importante porque la innovación local puede seguir fragmentada si los sistemas de apoyo y las vías de acceso no avanzan al mismo ritmo. Esta preocupación más amplia coincide con el informe del Foro Económico Mundial sobre la juventud, las instituciones y la legitimidad pública en Europa: los sistemas bajo presión no se vuelven más resilientes solo por avanzar más rápido. Se vuelven más resilientes cuando la gobernanza, la confianza y la participación avanzan al mismo ritmo que el cambio.
La evaluación también forma parte de este desafío normativo. Una de las observaciones más contundentes procedentes de China es que muchos sistemas siguen premiando los tipos de resultados que la IA puede reproducir cada vez con más facilidad. Yiwen Zhang, investigadora de doctorado en la LSE, describió esto como una “trampa de la evaluación”: los sistemas educativos construidos en torno a la memorización, las respuestas fijas y las medidas de rendimiento estrechas están desalineándose con las capacidades que los estudiantes necesitan hoy.
Los jóvenes líderes ya están poniendo de manifiesto las señales que las instituciones necesitan
Los jóvenes líderes son importantes porque suelen ser los primeros en percibir dónde los sistemas no están preparados. En China, una iniciativa local llamada AI Future Boostcamp muestra cómo los miembros de la comunidad Global Shapers están construyendo modelos de apoyo en torno a la IA en la educación, con proyectos piloto que ya han llegado a más de 20 escuelas, más de 100 voluntarios y más de 400 horas de servicio. Kenia ofrece una señal similar desde un punto de partida diferente: las iniciativas dirigidas por jóvenes pueden ampliar el acceso allí donde los sistemas formales aún dejan grandes brechas.
Los jóvenes líderes no se limitan a ofrecer opiniones sobre la IA. Están generando pruebas tempranas sobre lo que realmente ayuda a las instituciones a adaptarse y rediseñando el apoyo en función de las realidades locales. En Estados Unidos, Suiza y los Emiratos Árabes Unidos, la señal es similar desde otro ángulo: el futuro de la IA en la educación no estará determinado únicamente por la capacidad técnica, sino por si las personas son incluidas de manera significativa en el diseño y la ejecución del cambio.
El próximo desafío no es la adopción, sino la preparación
En cinco países, los jóvenes líderes están viendo la misma advertencia y la misma oportunidad: la IA en la educación no se configurará solo con la tecnología, sino según la capacidad de las instituciones para adaptarse con la rapidez suficiente para hacerla inclusiva, confiable y verdaderamente útil. El siguiente paso no es simplemente adoptar la IA, sino construir la preparación, la claridad normativa y la participación humana necesarias para orientarla bien. Si se hace correctamente, la IA podría ampliar las oportunidades. Si no, podría profundizar las mismas brechas que la educación en IA pretende reducir.
