Escuela en la era de la IA: hay que enseñar criterio práctico, no solo conocimiento

Las clases que utilizan IA deberían ser un momento para que los estudiantes verifiquen y corrijan sus respuestas, no para escribirlas.

Un estudiante le dice a la IA: “ordena este material en una tabla”. En segundos aparece una tabla. Le dice: “explícalo para que lo entienda un estudiante de secundaria”, y la IA baja el nivel de explicación. Le dice: “conviértelo en una presentación”, y la IA prepara un índice y un primer borrador de las diapositivas.

Investigar, resumir, escribir, programar, ordenar tablas y preparar presentaciones ya son tareas que la IA procesa con rapidez. Todavía hacen falta dirección y revisión humana, pero muchas tareas en las que el estudiante buscaba material, escribía, ordenaba tablas y preparaba diapositivas solo serán cada vez más trabajo de la IA.

Entonces se vuelve difícil que la escuela siga usando la mayor parte del tiempo para explicar conocimiento, hacer que los estudiantes lo memoricen y pedirles que escriban respuestas en un examen.

La escuela debe enseñar criterio práctico más que conocimiento. No basta con que el estudiante aprenda a usar la IA. El estudiante debe aprender conceptos prácticos y aplicar esos conceptos a personas reales, objetos reales y situaciones reales. Debe comprobar si la respuesta de la IA funciona en la realidad y corregir las partes que fallan.

La IA ya explica mejor el conocimiento

Para la escuela puede ser incómodo escucharlo. Pero si hablamos solo de explicar conocimiento, la IA ya lo hace muy bien.

Si el estudiante no entiende una clase, la IA vuelve a explicarla. Si todavía no entiende, la IA lo explica de forma más simple. Si el estudiante pide otro ejemplo, la IA cambia el ejemplo. La IA resuelve problemas de matemáticas paso a paso, corrige frases en inglés y ordena hechos históricos por secuencia. El estudiante puede repetir la misma pregunta muchas veces sin sentir vergüenza.

Por supuesto, la IA también se equivoca. Por eso el estudiante debe aprender a dudar de sus respuestas y verificarlas. Pero explicar conceptos ya no es una ventaja exclusiva de la escuela. Si la función es transmitir conocimiento al estudiante, la IA es más amable que un libro de texto y más barata que una academia.

Sin embargo, muchas escuelas todavía enseñan con el método antiguo. El profesor explica, los estudiantes copian, y antes del examen memorizan para escribir la respuesta. Las tareas se parecen mucho. El estudiante busca material, lo resume, escribe un informe y prepara diapositivas.

El problema es que la mayoría de esas tareas se queda en buscar material, escribir y preparar tablas o diapositivas. Las tareas que se pueden terminar solo en la computadora son las que la IA reemplaza más rápido.

La secundaria es la que más debe cambiar

La universidad también debe cambiar, pero el problema mayor está en la secundaria.

La secundaria todavía dedica demasiado tiempo a entrenar a los estudiantes para encontrar rápido la respuesta correcta. Los estudiantes memorizan conceptos, resuelven problemas y vuelven a memorizar los tipos de preguntas en los que se equivocaron. Una buena nota depende de quién escribe la respuesta correcta con más rapidez y precisión. El estudiante es entrenado para resolver problemas dados. Más exactamente, es entrenado para extraer respuestas predeterminadas.

Las bases importan. El estudiante debe calcular, leer y guardar una cantidad mínima de conocimiento en la cabeza. El problema es la proporción. Hoy la escuela dedica demasiado tiempo a acertar respuestas. El estudiante dedica muy poco tiempo a definir un problema, salir a verificarlo, fallar y corregir.

En la era de la IA, la escuela debe usar el tiempo de otra manera. La IA es buena encontrando respuestas. Lo que el estudiante debe aprender con más profundidad es encontrar problemas en la realidad. Debe detectar las condiciones que faltan en la respuesta de la IA. No debe limitarse a resolver el problema que otro le dio; debe comprobar qué incomodidad vive una persona real.

El cambio debe empezar en la secundaria. Si un estudiante pasa doce años acostumbrándose a acertar respuestas fijas, en la universidad le costará manejar problemas reales. La escuela no debería entrenar a los estudiantes para perseguir respuestas fijas y luego decir que les falta creatividad.

La IA reemplaza el trabajo que antes hacían los recién llegados

Los empleados de entrada seguirán siendo necesarios. Las empresas necesitan gente nueva. Alguien debe convertirse en el próximo profesional operativo, y alguien debe convertirse en el próximo jefe de equipo. El problema no es que los recién llegados ya no hagan falta. El problema es que la IA está reemplazando las primeras tareas que recibían en la empresa.

Antes, las empresas daban a los nuevos empleados tareas relativamente simples. Buscaban materiales, investigaban clientes, ordenaban actas de reunión y escribían primeros borradores de informes. En desarrollo, hacían cambios simples de código o pruebas. Para la empresa, esas tareas no eran grandes logros. Para el recién llegado, eran un proceso de aprendizaje importante.

El recién llegado aprendía cómo se trabaja haciendo tareas simples. Aprendía qué fuentes servían, hasta dónde debía llegar un informe, dónde podían fallar los números y por qué un superior hacía cierta pregunta. La empresa enseñaba a trabajar mediante tareas simples.

Ahora la IA procesa esas tareas simples con rapidez. Investiga materiales, resume contenido, redacta borradores, ordena tablas y genera código simple. Un empleado con experiencia y AI puede terminar en menos tiempo lo que antes hacían varios recién llegados. Desde el punto de vista de la empresa, hay menos razones para asignar tareas simples solo para formar a un nuevo empleado.

Por eso cambia el estándar para los recién llegados. La empresa siente que “todavía no sé, pero aprenderé con esfuerzo” ya no alcanza. La empresa espera incluso de un recién llegado un mínimo de criterio práctico. Debe saber cómo dividir el trabajo, qué pedirle a la IA, dónde dudar del resultado de la IA y qué comprobar en la situación real.

Aquí crece la responsabilidad de la escuela. Si la empresa ya no puede formar durante tanto tiempo a los nuevos mediante tareas simples, la escuela debe asumir parte de esa formación antes de la entrada laboral. Antes de graduarse, el estudiante debe aplicar al menos una vez un concepto práctico de principio a fin. Debe investigar con IA, preparar un borrador, mostrárselo a la persona que lo usaría y corregir lo que no encaje.

Cuando los estudiantes encuentran fuera del aula las condiciones que la IA pasó por alto, recuerdan mejor qué deben cuestionar la próxima vez que lean una respuesta.

El estudiante debe comprobar si la respuesta de la IA encaja con la situación real

El recién llegado del futuro debe saber encargar trabajo a la IA de forma estructurada. Si solo dice “haz esto” y entrega toda la tarea de golpe, la empresa difícilmente valorará mucho a esa persona. Debe dividir la tarea: qué investigar, con qué criterios comparar, para qué sirve el borrador, qué condiciones importan para calcular y con qué criterios revisar. Luego debe comprobar si el resultado de la IA encaja con la situación real.

En el trabajo real hay condiciones que no aparecen en la pantalla ni en los documentos. Los productos llegan tarde, los clientes cambian de opinión y los equipos no funcionan exactamente como estaba previsto. Las personas se oponen por motivos que no aparecen en los documentos. La respuesta de la IA puede verse limpia, pero en la situación real pueden faltar condiciones o los costos pueden no cuadrar.

Por eso el estudiante debe conocer personas. Debe mirar objetos directamente. Debe manejar equipos. Debe preguntar al usuario qué le incomoda de verdad. Debe aplicar el plan de la IA a una situación real y corregir las partes que no encajan.

El criterio práctico no nace solo de escuchar clases. Tampoco nace de resolver muchos ejercicios. El criterio práctico aparece cuando el estudiante trata con personas reales y restricciones reales.

La escuela debe hacer aplicar conceptos prácticos

Cambiar la escuela no significa lanzar un gran lema. Significa que las clases deben hacer que el estudiante aplique conceptos prácticos a problemas reales.

El estudiante debe definir el problema. Debe usar IA para hacer un primer borrador. Debe llevar ese borrador a la persona que lo usaría y preguntarle qué falta. También debe preguntarle si de verdad tiene ese problema. Debe comprobar si el resultado ayuda, y si no ayuda, debe volver a preguntar por qué.

Un estudiante de secundaria puede hacerlo. Puede crear una herramienta para reducir desperdicio dentro de la escuela. Puede investigar un trabajo incómodo en una tienda del barrio. Puede crear una pequeña app o documento que sus amigos usen de verdad. El tamaño no importa. Importa si hay un usuario real, una reacción real y algo que debe corregirse.

La universidad debe cambiar con más fuerza. Una clase de ingeniería debe tratar equipos, datos y condiciones reales. Una clase de negocios debe tratar clientes, precios y ventas. Incluso las humanidades no deberían terminar en entregar un ensayo; deberían llegar a resultados que personas reales lean y respondan.

La educación emprendedora también se vuelve importante. Eso no significa que todos los estudiantes deban fundar una empresa. El estudiante debe crear algo útil para alguien: un pequeño servicio, una herramienta de automatización, un producto o un informe. Debe mostrarlo, recibir rechazo y corregirlo. Ese proceso crea criterio práctico.

La escuela debe dejar resultados en las manos del estudiante

El estándar de una buena escuela va a cambiar. Una escuela que solo explica mucho conocimiento difícilmente seguirá siendo valiosa. La IA ya explica demasiado bien.

Una buena escuela hace que los estudiantes usen IA mientras aplican conceptos prácticos a problemas reales. Una buena escuela hace que los estudiantes comprueben por qué lo aprendido en clase no encaja en una situación real. Una buena escuela no termina el fracaso con una nota; hace que el estudiante corrija el resultado fallido.

En la era de la IA, los recién llegados seguirán siendo necesarios. Pero un recién llegado que solo sabe manejar respuestas de IA y documentos será menos valorado. Las empresas buscarán personas que usen la IA a fondo y apliquen conceptos prácticos a situaciones reales.

La secundaria y la universidad deben enfrentar la misma pregunta. Cuando el estudiante se gradúa, ¿solo le quedan notas de examen? ¿O le queda al menos un resultado que mostró a una persona real, que fue rechazado y que corrigió?

La escuela debe crear esa diferencia. El estudiante debe usar IA en el escritorio y luego levantarse para conocer personas reales. No debe quedarse en entender conceptos prácticos en la cabeza. Debe comprobar si esos conceptos funcionan en la realidad.